什么是HentaiWorld？

HentaiWorld是一个融合模型，由你能找到的最佳Hentai模型和LoRA合并而成。该模型基于AOM2，但由于合并过多，难以复现其具体配方。

该模型的目标是什么？

HentaiWorld旨在帮助生成具有动漫风格（即Hentai）的NSFW内容，具备丰富的输出多样性，并与任何你想到的LoRA保持良好兼容性，同时保持合理的模型体积。

它能正常工作吗？

我正等着这个问题——是的，实际上它的表现比预期更好。

我们进行了多种测试，使用不同设置检查其输出结果，所有测试均给出了相当不错的结果，并为推荐设置提供了明确依据。

（下一节将随新版本发布而更新，但格式保持不变：一部分讨论我们所做的测试，另一部分推荐与该模型配合效果最佳的关键字和设置）

---

---

[V2]

为评估输出质量，我们测试了三种不同层级：

• 仅使用EasyNegative和Bad Hand 5作为负向提示

• 同时使用AfterDetailer

• 在上述方法基础上对图像进行超分辨率放大

[仅使用EasyNegative和Bad Hands]

图像质量良好，大部分构图出色。背景不够模糊，解剖错误极轻微。

[使用AfterDetailer]

使用AfterDetailer显著提升了指定区域的细节，且未产生任何异常输出。

[完整测试]

图像色彩鲜明，构图依然优秀。在50次生成中，仅有4-5张图像存在明显问题（可能源于ranboru的杂乱提示词）。

[技巧与建议]

[嵌入模型]

强烈推荐的嵌入模型：

EasyNegative
BadHand-5
EasyNegativeV2（可作为EasyNegative的替代）

其他与模型兼容的嵌入模型：

DeepNegative
FastNegative
AmoreNegative
AsyncNegative
VeryBadImages

[设置]

该模型在_Euler a 和 DPM++ SDE Karras_算法下表现最佳。

建议使用clip skip：2。

CFG：7。

推荐配合vae-ft-mse-84000使用。

模型适用于所有分辨率，但建议使用以下之一：512x512；512x768；768x512（若需生成大尺寸图像，可随后进行放大）。

建议启用高分辨率修复功能，并使用RealESRGAN_x4plus_anime_6B或AnimeSharp进行放大（非必需）。

建议使用AfterDetailer（非必需）。

[备注]

已不再存在kemomini（兽耳）问题。

---

---

[V1]

测试结果

为评估输出质量，我们测试了五个不同层级：

• 仅使用EasyNegative和Bad Hand 5作为负向提示

• 仅使用AfterDetailer

• 仅使用高分辨率修复

• 仅进行图像放大

• 同时使用上述所有方法（以了解实际生成时可能的效果）

图像生成使用ranboru脚本，以获得丰富的提示词多样性。

[仅使用EasyNegative和Bad Hands]

输出质量相当不错，但通过微调负向提示词（例如添加“worst quality”或“empty eyes”等关键词）仍有提升空间。总体而言，图像符合预期，但有时仍需使用修复工具来增强眼睛细节。

[使用AfterDetailer]

图像质量高，结果令人满意，但若加入负向关键词或启用高分辨率修复，效果还能进一步提升。

[使用高分辨率修复]

质量再次提升，输出干净且一致（可以说在10次生成中，最多仅需1-2张进行进一步处理）。

[使用放大器]

图像清晰一致，且需要进一步处理的图像比例也显著降低。

[完整测试]

图像细节丰富、一致性高，且无解剖错误。

[技巧与建议]

[嵌入模型]

强烈推荐的嵌入模型：

EasyNegative
BadHand-5
EasyNegativeV2（可作为EasyNegative的替代）

其他与模型兼容的嵌入模型：

DeepNegative
FastNegative
AmoreNegative
AsyncNegative
VeryBadImages

[设置]

该模型在_Euler a 和 DPM++ SDE Karras_算法下表现最佳。

建议使用clip skip：2。

CFG：7。

推荐配合vae-ft-mse-84000使用。

模型适用于所有分辨率，但建议使用以下之一：512x512；512x768；768x512（若需生成大尺寸图像，可随后进行放大）。

建议启用高分辨率修复功能，并使用RealESRGAN_x4plus_anime_6B或AnimeSharp进行放大（非必需）。

建议使用AfterDetailer（非必需）。

[建议]

该模型倾向于生成kemomimi（兽耳）图像，若不希望此类输出，请将相关标签加入负向提示词。

该模型包含大量带“损坏”或“空洞眼睛”标签的训练数据，若不希望出现此类输出，请在负向提示中添加相关关键词。

---

特别感谢Ranboru，其工作极大简化了测试流程。

如需提示词示例，可参考预览图像。

（部分图像因CivitAI服务条款而被遮盖）