从10部电影中提取图像，每隔N帧提取一次，以获得约100张图像。然后将数据集复制一份：一份使用gemini-2.5-flash-lite添加标题，另一份使用空标题。训练步骤限制为500步。
显然，由于这一版本投入的人工努力很少，模型表现并不出色。
我需要手动重新提取帧，以确保所有帧的选取相对均衡（而非偶然出现模糊帧或其他异常帧），同时修改标题以纠正问题并包含角色名称。
v1.0 版本与此相同，但未使用dropout；v1.1 使用了5%的dropout。
一个对Qwen-Image的吉卜力风格LoRA的极低投入尝试。
