Chef's Basted Breasts
详情
下载文件
模型描述
厨师们好！
点击下方“显示更多”以阅读使用本模型的完整指南和技巧。
我是 Promptnanimous，而“Chef’s Basted Breasts”是我的第二个混合模型。
该模型基于我的基础模型 Chef's Matrix Chair。Chef’s Basted Breasts 专为生成各种动漫与数字插画风格的女性 NSFW 图像而优化。
如果你喜欢我的指南和模型，请考虑关注我、与朋友分享该模型，或通过 ko-fi 支持我！未来我将发布更多模型、指南和示例图片！
Chef’s Basted Breasts 示例图
我所有的示例图像均通过 txt2img 和 hires. fix 生成。部分图像使用了 lora/lycoris/loha 为特定提示增添额外风格或控制某些细节。即便不使用 lora，该模型的表现也相当出色。
以下是我通过生成超过 1000 张图像（涵盖多种媒介、主题与风格）后总结出的该模型特性。你可能会发现它的表现比我列出的更好或更差，无论哪种情况，都欢迎告诉我，以便我学习与调整！
优势：
美丽的女性
复古动漫（我常在提示中使用 "1990s anime"，效果极佳）
艺术家风格
风格融合
色彩表现
半写实风格
角度（俯视、全身、肖像等）
表现尚可：
Danbooru 标签
姿势（可使用 ControlNet 获得更佳效果）
某些电影与电视剧风格（参见示例图中的已知范例）
NSFW 行为（可能需要使用专用 lora 或嵌入，但效果因人而异）
弱点：
手部（可先找到一个你喜欢的提示，再叠加 good hands beta lycoris）
持物
动物（效果不稳定，例如“dog”无效，但“great dane”有效）
照片级真实感 — 本模型并非为照片级真实感设计
若你无法获得与我类似的结果，请尝试以下方法：
确保你的设置与图像元数据中的一致，包括 VAE、Clip Skip、放大器、去噪强度和标记组合设置。
确保未意外启用任何额外插件/扩展。例如，确保 ControlNet 处于关闭状态。
若你希望在改变场景或角色细节时保持“风格”不变，请尽量不要大幅更改提示词的顺序。通过最小化编辑提示，即可在保留风格的同时，生成不同角色与场景的相似图像。
若面部是主要差异，可能是我使用了 adetailer。请确保启用该功能（如未安装，请先安装），并复制图像元数据中的 adetailer 额外设置。
我使用 xformers，因此即使使用相同种子，生成结果在某些细微处仍具非确定性。若你的图像几乎完全相同，仅在极细微处有差异，这就是原因。这是 xformers 的固有特性，无法避免。
若以上均无效，请私信我，我会尽力协助你。
常用生成设置
请以示例图像为参考以复现特定效果。若你正普遍探索本模型，可先使用以下设置，再按需调整。
为在速度与质量间取得良好平衡，我使用以下设置快速迭代新提示：
VAE: vae-ft-mse-840000-ema-pruned.safetensors
Clip Skip: 1
采样器: UniPC 或 DPM++ 2M Karras
步数: 40
高度: 512
宽度: 768
CFG: 6 至 8 之间
hires. fix: 是（若追求速度可设为“否”，但会牺牲细节清晰度）
hires 步数: 20 或 25
去噪强度: 0.45 - 0.55（取决于我有多急躁 — 设置越低越快）
放大倍数: 1.5
放大器: Latent (bicubic antialiased) 或 4x_fatal_anime_ 500000_G 或 4x_foolhardy_Remacri
标记合并比例: 0.5
为追求极致画质（但速度较慢，我在上述设置下获得一批不错结果后使用）：
VAE: vae-ft-mse-840000-ema-pruned.safetensors
Clip Skip: 1
采样器: DPM++ SDE Karras
步数: 25
高度: 512
宽度: 768
CFG: 6 至 8 之间（部分提示可更高，以获得更惊艳效果而无不良伪影）
hires. fix: 是
hires 步数: 20
去噪强度: 0.45 - 0.55（0.45 产生“柔和”效果，0.55 产生“锐利”效果）
放大倍数: 2
放大器: Latent (bicubic antialiased) 或 4x_fatal_anime_ 500000_G 或 4x_foolhardy_Remacri
标记合并比例: 0.5
随机小贴士
如前所述，我会为迭代与批量高质量生成使用不同设置。速度与质量之间存在权衡。缓慢试验是无效的，但若我能确定超过 50% 的生成结果符合预期，我并不介意等待批量生成。
我有时会加入 good hands beta lycoris，有时也会使用 detail tweaker lora。由于 lora 会拖慢生成速度，除非我正在测试某个特定 lora 的能力，否则我不会在迭代中使用它们。
对于本模型，负面 TI 通常非必需，但我经常使用某些，它们能产生极佳效果。我特别喜欢将 CyberRealistic Negative 与 SkinPerfection Negative v1.5 结合使用，当目标是生成人物照片级真实感图像时。此外，我还常使用以下多种负面 TI 的组合：verybadimagenegative v1.3、bad-hands-5、aid28、badv5、deformityv6、bad_pictures、bad-picture-chill-75v，可能还有几个我遗漏的。
若你看到某些负面 TI 包含字符 "en_"，这些来自尚未发布的自定义负面 TI 集合。若需求足够高，我会尝试说服作者发布，或代为发布。
在负面提示中使用 “greyscale” 并搭配不同注意力权重，可控制颜色。
在负面提示中使用 “symmetry” 可获得更有趣的视觉效果。我通常将其注意力设为 1.3。
在正面或负面提示中使用 “plump” 可控制角色的体型权重。
面部特征 — 若你生成的所有面部都看起来雷同，很可能是你使用了某个或某些未意识到其影响的标记。解决办法有限，只能花大量时间找出“锁定”面部特征的标记，然后通过提示编辑延迟其权重，例如 [token:0.3]。
上述情况同样适用于 lora（但提示编辑不适用）。有时 lora 会对结果产生超出其设计意图的影响。若你生成了意外的特质，且负面提示无效，可能是你使用的 lora 导致的。视具体 lora 而定，可能无法“修复”这些不想要的特性。
尽量在提示中使用较少数量的标记。这并非硬性要求，但有助于提升稳定性。当然，使用大量标记也能获得极酷的效果，但平衡难度更高；由于标记以 75 个为一组发送至 UNet，标记越多，结果越可能剧烈且意外地变化。
关于我
过去约 12 个月，我每天使用 StableDiffusion v1.5 模型和 Automatic1111，生成超过 5 万张图像，并通过快速迭代不断学习提示技巧与设置。
我的专长是仅使用 txt2img 与 hires. fix（不使用 img2img 或 inpainting 等其他技术）来最大化模型效果。我享受通过寻找优秀设置实现高质量图像的简洁与高效。我也尽量避免使用 lora（因其减慢生成速度），但若需要特定风格或修复类 lora（如 good hands beta 和 detail tweaker），我仍会使用。
如果你喜欢我的指南和模型，请考虑关注我、与朋友分享该模型，或通过 ko-fi 支持我！
未来我将发布更多模型、指南和示例图片！