本模型的训练及其生成的图像仅用于学习目的。

我什么都没做，我只是个搬运工。

这个模型更像一个角色包，其副作用是它带来的风格。

我花费了30多个小时反复尝试，期间几乎想要放弃，但最终实现了更平衡的效果。最重要的是，我的训练假设得到了验证。未来，我可能会将这些经验整理成一篇文章。

但手部问题依然存在。

触发词：vanillastyle

你可以在上方的图片中找到示例提示词。

前一版本模型的提示词大多也适用。

我的提示词基本按以下顺序组成：[角色特征] + [风格] + [表情] + [服装] + [镜头与动作] + [背景]，你可以根据需要删除或修改。

如果出现特别模糊的情况，可尝试在负面提示中加入“thumbnail”并提高其权重，直到图像变得清晰。

在负面提示中加入“3d”可能获得更好效果；而添加如“realistic”或“realism”等标签则可增强人物特征。

推荐权重：1.0~0.6，请根据需要调整，直至角色外观符合你的要求。

推荐放大倍数约为1.2~2.0，去噪强度为0.2。

数据集主要聚焦于神谷盛治的作品。

20240907v0.2

在这一版本中，我为更多图像添加了标签，其余图像则移除了标签，仅保留触发词，以避免与精心标注的标签产生冲突。（这种方法可能有误。）

在训练过程中，数据集中大量图像无法通过提示词准确呈现。我尝试了各种标签修改并重新训练，结果依然相同。这些图像在数据集中的重复性也不高，缺乏连续性。

最终，我读到一篇文章，提到增加某些角色的训练次数，以防止模型未能充分学习这些图像。

因此，我将数据集中所有孤立存在的图像放入一个子文件夹，设置训练次数为2，而对已充分学习的图像保持不变。

然而，由于这些不连续图像存在较多质量缺陷，我暂未修复，提高其训练次数对整体风格造成了一定影响。

为改进下一版本，最根本的方法是提升数据集质量，同时善用标注技术：为那些质量稍差的图像添加相同的标签，然后在运行模型时将这些标签统一放入负面提示中。

20240715v0.1

该模型只能被视为v0.1版本，正常使用并不容易，我认为最好对数据集中的图像进行更细致的标注以获得更好效果。未来，我可能会逐步完成该模型的训练。

此版本表现不佳，生成的图像常显得杂乱无章。

我收集了100多张图像作为数据集，但手动标注数量仍过于庞大。我最初使用wd1.4为所有图像标注，但标注质量依然不佳（也许是我使用方法不够正确，欢迎各位提出建议）。

由于我急于看到结果，因此仅对部分符合我个人偏好的图像进行了手动标注，因此模型对这些图像的输出效果会更好。