SakuraRain 是我最喜欢的两个检查点的50/50融合：RainPonyXL 和 SakuraSushi XL。（去试试这两个模型吧，它们都非常棒）我希望得到一个兼具 RainPonyXL 的配色、良好的解剖结构（尤其是手指）和有趣的背景，以及 SakuraSushi XL 更大更可爱的动漫眼睛的模型。该检查点融合的目的是以动漫角色为中心，但同时也继承了 RainPonyXL 生成有趣风景的能力。在初步测试中，我得到了一些我喜欢的有前景的结果。我希望继续测试这个融合模型，并在这里分享我的创作。我也很高兴看到你们尝试生成的作品！

上方的示例图像未使用内补绘制（inpainting）、ADetailer，也未通过 img2img 进行任何编辑。不过，我确实对它们使用了 Hires. fix。（下方有处理过程的详细说明）

使用指南

此模型内置了 VAE。 你无需为其设置额外的 VAE。

关于使用建议，以下是我使用 Automatic1111/ForgeUI 时的个人偏好作为起始点。如果你已有使用 SDXL/PonyXL 检查点的经验，也可以自行调整参数进行实验。

生成设置

尺寸分辨率：我倾向于肖像使用 832X1216，风景使用 1216X832。r_ain 使用 896X1152（肖像）和 1152X768（风景）。由于这是基于 SDXL 的检查点，1024X1024 适合 1:1 比例。
采样方法：DPM++ 2M Karras、euler a 或 Restart，这完全取决于我的心情。
CFG：7，但 4-7 之间的值都可能有效。
采样步数：25-35。通常 25、28 和 30 是我的幸运数字。如果你想看看哪个步数在特定种子下效果最好，可以尝试通过 X/Y/Z 图来观察哪种效果最佳。

正向提示词

由于这是基于 PonyXL 的模型，正向提示词应以如下开头：

score_9, score_8_up, score_7_up, score_6_up, score_5_up

不过，为避免浪费 token，我通常从以下开始：

score_9, score_8_up, score_7_up

此外，像“masterpiece”（杰作）和“high quality”（高质量）这类描述质量的词其实并不特别有用，因为 score 标签本身已经表达了质量要求。在描述你想要的内容时，PonyXL 是基于 booru 标签训练的，建议参考 booru 标签列表，或安装如 SD WebUI Tag Autocomplete 之类的工具辅助。不过，它仍然是基于 SDXL 的，例如我发现，说“chinese village”（中国村庄）比“east asian architecture”（东亚建筑）更能准确传达你的意图。你可以大胆创新，尝试不同的表达方式，但请记住，这个模型及其基础模型最擅长的是 booru 标签。

通常，我的正向提示词结构如下：

score_9, score_8_up, score_7_up, source_anime, {描述内容的提示标签}

负向提示词

关于是否应将低分标签（5 及以下）放入负向提示词，存在很多争议。我个人不包含它们，而且我尽量使负向提示词尽可能简短。这受到 @FallenIncursio 建议使用其检查点的启发，且在我的提示中效果很好。我的基础负向提示词从以下开始：

3d, monochrome, simple background

你可以省略 “simple background”，但我发现这个提示本身就能显著提升环境的趣味性，而 r_ain 也经常在他们的提示中使用它。

不过，负向提示确实有影响，但你不应一开始就列出所有你不想要的元素，如“bad hands”（手部差）、“extra fingers”（多余手指）、“extra toes”（多余脚趾）等。我的建议是：先用正向提示和一个种子生成图像，如果发现有问题，再逐步在负向提示中添加标签来消除这些缺陷。有时，即便不添加任何负向提示，仅通过调整正向提示中的关键词顺序、位置或权重，也能改变图像方向。因此，我的建议是：逐步迭代添加负向提示词。

Hires. fix

这是一个有争议的观点，因为有些人认为应通过 img2img 在后期进行放大以获取细节，但我始终未能找到对我有效的方法。（如果你有更好的方法，请告诉我）我喜欢的做法是：先生成大量不使用 Hires. fix 的图像，然后回溯种子，筛选出有潜力的图像。如有需要，我会调整正向或负向提示词，增删关键词，直到获得满意的结果。然后我使用以下设置：

放大倍数：1.5x。更高倍数容易导致意外结果，如多余手指、过长躯干等。
放大器：对于动漫风格，我使用 4x_BooruGan_650k
去噪强度：0.5–0.6。我从 0.6 开始，如果出现不喜欢的细节，就降到 0.5。有时我会尝试 0.7 并获得成功，但达到或超过此值时，容易出现多余手指、手、脚，以及肚脐位置偏移等问题。若低于 0.5，则细节改善不明显。
Hires 步数：0

ADetailer

我建议使用 ADetailer 修复图像中的细节，我的建议如下：

对于面部，使用 face_yolove8n.pt，仅在 ADetailer 正向提示中加入描述面部特征的词，如眼睛颜色、眼部特征、脸红，或面部穿孔、体液等。我还发现，在 ADetailer 的正向提示中加入 LoRA 嵌入，有助于改善某些角色的眼睛着色。
对于乳头，建议使用 ADetailer 乳头模型（动漫）来检测乳头，并使用 ADetailer 乳头 LoRA 进行修复。请阅读如何使用该 LoRA，因为你需在 ADetailer 正向提示中同时包含 LoRA 嵌入和单词 “nipples”。同时，请确保将检测模型的置信度阈值设为 0.7，否则你可能会在肘部等奇怪位置检测到乳头。
目前使用 ADetailer 修复手部效果甚微，建议忽略。

结论

希望你喜欢这个融合模型！我期待看到你们发布的作品。我也会尽量在此发布更多示例，以展示其可能性，请务必查看图片以获取提示词灵感。我要感谢 @r_ain 和 @Random992 允许我发布它们检查点的融合版本，并给予鼓励和建议。同时也要感谢所有参与此融合模型开发的其他人。

SakuraRain

详情

下载文件

模型描述