Anko Mitarashi - Naruto

详情

下载文件

模型描述

这里是我们最风骚的考试监考官,也是博人(Boruto)的受害者。

忽略以下牢骚:

我一直觉得岸本对角色设定非常奇怪。为什么《博人传》会像《龙珠Z》那样彻底失控?为什么要把鸣人(Naruto)设定成一个骄傲自大的怨念小孩,还保留了他最糟糕的性格特征,同时又把日向雏田的胸部削弱得毫无存在感?为什么要把安琪(Anko)变得发福?为了什么?只是为了获得所谓的“进步主义”表扬吗?

在我心目中,鸣人的故事本可以更精彩——如果鸣人成熟起来,最终不得不亲手杀死佐助,才能真正成为火影。

但现实却截然相反:我们看到一个可怜的孤儿在众人的厌恶中崛起,这是一个相当有趣的设定。他后来竟然成了忍者神的转世之身,是前任火影的儿子,相当于一位公主般的血脉,也是历史上最强大家族中最后一位幸存者,而这个家族曾拥有自己的忍者村,甚至还配有妓女和二十一点赌局……

回到训练和调整部分。旧版本其实尚可。只不过当时我用的示例图提示词过于基础,导致新手用户能清楚看到模型在初学者手上会出现什么效果。显然这种方法行不通,因为大多数创作者开始使用过于复杂、高度定制化的提示词,甚至用PS(???)去修复示例图。因此我做出了一些妥协,开始使用更高分辨率的图片,并将原本简单的负面提示词改为长达一公里的阳具(由负面TI构建),希望像最初那样简单,却能获得更优秀的默认输出效果。结果看来是有效的,长期来看吸引到了更多用户。

总之……如果我的早期V1 LoRA的示例图看起来现在像是垃圾,那主要原因在于它们是用极其基础的提示词生成的。所以如果你喜欢V2或V3版本,完全不必担心去尝试V1。V2和V3版本主要是增加了服装触发词。

V2:

总之,这次重新训练的核心目标,是让安琪的服装更具可访问性。

可正常使用的提示词如下:
lora:Mitarashi_AnkoV2:0.7 mitarashi_anko,

如果你想要她完整的默认服装,应使用:

  • lora:Mitarashi_AnkoV2:0.7 mitarashi_anko, forehead_protector, Anko_fishnet_bodysuit_bare_legs_Brown_microskirt_Brown_open_trench_coat

她的可用服装可拆分为多个部分,因为数据集中图像混合拼接得有些混乱:

  • forehead_protector:我并未特意训练“木叶村标志”的特定图案,所以具体会显示什么未知;我主要训练的目的在于允许你移除该元素,甚至在需要时用作负面提示。

  • Anko_fishnet_bodysuit_bare_legs_Brown_microskirt_Brown_open_trench_coat:她完整的默认服装。

  • Anko_fishnet_bodysuit_bare_legs:去除裙子和风衣以后的上半身装备。

  • Brown_microskirt:单独的裙子部分,与其他服装分开。

  • brown_open_trench_coat:单独的风衣部分,与其他服装分离。

一如既往,我已将完整数据集与标签摘要一同打包,方便你查看并自由尝试。

V1:

我注意到安琪的出现实在太少了,令人不安。因此我做了这个版本来补足。这部分模型很多灵感来源于Naruhodou(成田)。如果你喜欢,不妨支持他,他是一位优秀的艺术家。

这个LoRA运行相当稳定,但在0.95的强度下会崩坏(crapping out)。建议设定为0.55或0.6,以获得更平衡的风格;否则画面会过于像Naruhodou的画风。似乎模型有倾向于生成多个安琪的倾向,可能是模型中存在一些混淆污染。这算错误?还是算特色?无论如何,“solo”标签似乎能解决这个问题。

我曾尝试加入她喜欢吃的团子(dango)元素,但效果因人而异,这版LoRA有时会把团子当成首饰来用。

推荐搭配使用以下参数:
lora:AnkoMitarashi:0.55, AnkoMitarashi, solo, big_breasts, AnkoCoat, AnkoFishnet, microskirt, covered_nipples

使用“covered_nipples”(覆盖乳头)比单独使用“nipples”表现更好,否则乳头可能从模型网格中突出来。

我尝试将她的服装按以下几项归类(便于组合使用):

  1. AnkoCoat
  2. AnkoFishnet
  3. microskirt

至于她身上的诅咒印记(cursed seal),尝试训练过但几乎找不到相关图像,且印记位于后颈位置,因此我将它标记为 Ten_no_Juin。

无论如何,我已经将标签摘要一并加入数据集中,供你自由探索与尝试。

此模型生成的图像

未找到图像。