Nana - Nana to Kaoru

大家好，这是我的另一个小众LoRA，专为《娜娜与薰》系列中的娜娜角色生成而设计。

该LoRA旨在测试在CivitAI训练器上同时训练一个角色与多种风格的可行性，我必须说，实际效果远超预期。

免责声明：尽管此LoRA并非用于生成NSFW内容，但它仍可能被用于生成此类图像，请谨慎使用 :)

基础版本

此版本包含以下不同关键词：

n4n4            <-- 用于生成角色的关键字
bow             <-- （可选）在使用低LoRA强度时非常有用

----------------------------------------------------------------------------

from_anime      <-- 此标签训练成功，但用于训练的图像质量较低，因此现在它作为负面标签使用（详见“细节”部分以了解大致情况）

----------------------------------------------------------------------------

from_manga      <-- 如果你想以漫画风格描绘娜娜，请使用此标签。它适用于黑白或彩色图像（如需生成黑白图像，应与“monochrome”和“greyscale”标签配合使用）

----------------------------------------------------------------------------

from_illustration <-- 使图像风格更贴近系列中的插画风格，它对背景有轻微偏向（尤其是渐变色背景）。如需特定背景，请在提示中明确描述，不要仅使用“简单背景”等泛化表达

LoRA强度建议设置在0.5至1之间，具体取决于所需效果（更多细节请参见“细节”部分），我建议使用0.7–0.8的强度。

我本人主要使用Euler采样器进行测试，但与其他采样器配合使用时也应无明显问题（前提是该采样器在你使用的模型上表现良好）。

关于模型兼容性，该LoRA在大多数模型上表现尚可，但不同模型可能需要调整LoRA强度（例如，使用Hassaku模型时，需降低LoRA强度，否则图像会过度饱和）。

细节：

此版本使用33张图像训练，每种来源（漫画、动画、插画）约10张，以便模型能牢固掌握角色特征并大致理解不同风格。

为检查是否存在任何偏差，模型已多次测试，结果如下：

（本节测试均使用Anylora ckpt剪枝版，分辨率512*768，采样步数40，未使用inpaint、highres.fix或adetailer）

测试1

首次测试旨在验证LoRA是否已掌握“n4n4”概念。如你所见，当LoRA强度达到0.5时，其对生成效果的影响已明显显现，符合预期。（备注：角色并无预设服装，你可能需要明确指定如“school_uniform”或“white_shirt”等细节）

测试3至5使用相同的LoRA强度，顺序相同（同时测试了正面提示（上方）和负面提示（下方）的效果）

测试2

第二次测试旨在检查LoRA是否存在镜头角度偏差。在LoRA强度为1的情况下，我们对多个角度进行了多次测试，结果显示当镜头角度被明确指定时，无任何问题；若未指定，模型倾向于生成“上半身”图像，类似“牛仔镜头”+“肖像”视角。

测试3

第三次测试旨在评估在正向提示（上方图像）和负向提示（下方图像）中使用“from_anime”标签的效果。

可见，当LoRA强度介于0.5至0.7时，该标签对风格影响显著。在正向提示中使用，会产生低质量图像；而在负向提示中使用，反而能使生成结果更稳定。

测试4

第四次测试旨在评估在正向提示（上方图像）和负向提示（下方图像）中使用“from_manga”、“greyscale”和“monochrome”标签的效果。

可见，当标签用于正向提示时，风格与漫画高度吻合；而用于负向提示时，模型会趋向生成更“插画”/“漫画封面”风格的图像——同时避免了娜娜脸部常出现的“厚嘴唇”问题。

测试5

第五次测试旨在评估在正向提示（上方图像）和负向提示（下方图像）中使用“from_illustration”标签的效果。

两种用法均令人满意，但需指出：在负向提示中使用该标签，可能生成偏向NSFW的图像。

备注：在大多数测试中，我持续使用了此标签（有时也与“from_manga”标签结合使用，效果极佳），但你可能需要微调该标签的强度以获得特定效果（例如，我曾生成一张很棒的图像，但娜娜的嘴巴形态异常，这是因为视角过窄，而“from_illustration”标签试图生成厚重嘴唇，模型无法处理；解决方案是将该标签强度降至约0.7–0.8）

测试6

本测试旨在探索将风格标签（正向提示中使用“from_manga”和“from_illustration”，负向提示中使用“from_anime”）混合使用的效果。

结果稳定，即使在LoRA强度为1时也是如此。但当使用此策略且LoRA强度为1时，建议微调风格标签的强度。一个实用的规则是：两个风格标签的强度总和不要超过1.5。

总结

这并非我最出色的LoRA，可能对大多数人帮助有限，但我仍愿分享，原因如下：

第一，其输出质量尚可，且我尚未在其他地方找到该角色的同类LoRA。

第二，它突显了高质量数据集的重要性——用于训练的动画图像质量太差，若剔除它们，LoRA效果可能更佳。

第三，我真心认为，对LoRA进行系统测试，并总结投入的思考与努力，能让你从中获得远超预期的学习收获。

一如既往，如果你喜欢这个模型，欢迎分享你的生成作品，并捐赠一些Buzz以支持我 :)