DALL-E 3-like Girls

数据集中的图像使用了非常简单的基于标签的提示进行标注，据我经验，这些提示在生成时在一定程度上解决了Qwen Image的低种子方差问题，即使使用基于标签的提示也是如此。

生成：

无需触发词。

非常简单的基于标签的提示示例：

detailed, two girls, tongue out, smile, night rave

数据集中常见的、可替换进提示中的更有用的提示词：

tongue out, puckered lips, laying down, on back, on stomach, ring light, asian, latina, african, 3d, animation

强烈推荐的设置：

• 我建议你对每一个你喜欢的提示，都尝试使用两种LoRA：一种是训练了3000步的默认版本，另一种是3250步的版本。两者都表现良好，且差异明显。

• 在提示中使用 detailed 总是更好的。

• 生成分辨率为1328x1328总是优于1024x1024。

• 尝试 euler-simple / euler ancestral-simple / lcm-simple，配合 shift 1/2/3/4。

• 我在使用4步闪电LoRA构建快速Qwen Image工作流时，发现调整生成设置能轻松改变类似DALL-E 3风格的女孩形象，因此你应该能找到自己喜欢的风格设置。

我的设置：

我实际使用的是 Qwen Image Edit LoRA，它能产生一些更有趣的结果。你可以尝试不同的闪电LoRA版本。

1328x1328, 4步, cfg 1, euler-simple, shift 1/2/3.1

我曾进行过少量非闪电模式的测试：2.5 cfg、50步表现尚可；在50步工作流的提示末尾添加官方推荐的 , Ultra HD, 4K, cinematic composition. 字符串也似乎效果不错。

局限性：

某些设置下可能会出现轻微的颗粒感，主要原因是所使用的特定闪电LoRA。

数据集中存在轻微的手部或身体恐怖模糊问题，可能会渗透到生成结果中。

3000步模型有时会出现奇怪的服装或纹身概念渗漏，但我认为该模型的DALL-E 3风格面部效果更好。

根据提示和设置，可能会出现某些液体洒在身体上的奇怪效果（尤其在1024x1024像素下），这可能源于一些未被完全标注的独特图像。

训练信息：

使用 ai-toolkit，配合此官方教程及其设置，学习率为0.0002，训练3500步。3500步会使LoRA过度训练，而3000步和3250步的检查点效果最佳。

约100张图像，大部分为1024x1024，使用简单的基于标签的标注。

如果你发现了有趣的生成设置组合，请在下方评论区分享！