V3现已上线！
一如既往，您可以在我们的Substack上查看所有详细信息、使用的全部数据、参数以及代码片段 https://followfoxai.substack.com/p/impact-of-tags-on-sd-general-model

请查看下方即将推出的路线图——前方精彩不断！

关于V3

注：这可能是您构建LoRA模型的绝佳起点——该模型极为中性，能响应各种风格的提示词，并可适用于多种图像类型

我们已在图像中添加了一部分Booru标签，现在模型可以响应这些标签了！

您应该尝试的标签包括：

• Solo —— 在生成图像中仅放置一个角色，效果相当稳定

• looking at viewer —— 虽有较强的女性倾向，但在使角色居中并面向镜头方面表现良好

• outdoors —— 能稳定生成户外环境或将角色置于户外场景中

• blurry —— 空生成时通常会产生模糊图像。作为负面提示词测试时，有一定改进效果

• Blurry background —— 能很好地模拟MidJourney的虚化风格（bokeh）。以下为作为正向提示词使用的示例

• Jewelry —— 生成珠宝图像，或将珠宝添加至生成内容中

• indoors —— 功能与outdoors相似

图像生成建议

该模型功能多样，几乎可适用于任意风格的提示词。无论是MidJourney风格，还是Civitai或Lexica中的各种提示，绝大多数情况下都能产出有趣结果。

此外，您现在可以尝试我们上述讨论的各类标签。

最后，我们强烈建议使用某种超分辨率方法。以下是我们的两个最爱方案：

Hires. Fix

启用Hires. Fix，去噪强度设为0.3–0.5，放大1.5–2倍，使用Latent（nearest exact）或4x-Ultrasharp超分器。其余参数可根据实验灵活调整。

ControlNet + Ultimate SD 超分

请参考我们此前帖子中的ControlNet瓦片超分方法 (链接)。

即将推出的路线图

伏特加系列：

• 伏特加V3（已完成）— 在标题中加入标签，以观察标签的影响

• 伏特加V4（进行中）— 通过解耦UNET与文本编码器的训练参数，解决“煎炸”问题

• 伏特加V5（数据准备阶段）— 使用全新优化的数据集及所有前期经验进行训练

• 伏特加V6（待定）— 对整个数据集重新标注，以评估使用AI生成标题与原始用户提示的差异影响

• 伏特加V7+，目前暂作为创意“停车场”：包括数据集分块与参数调整、微调VAE、基于模型弱点补充特定数据等众多设想

鸡尾酒系列：

这些模型将以伏特加（或未来其他基础模型）为基础进行融合组合。

• 红酒伏特加V1（已完成，尚未发布）— 我们的首个融合模型基于伏特加V2。敬请期待：伏特加V2已从需要精心操作才能生成优质图像，演进为多数生成结果均达到极高水平。模型灵活且极具潜力。

• 红酒伏特加V2+（计划中）：目前尚无具体计划，仅基于V1的经验与伏特加基础模型的改进展开构想。

• 其他鸡尾酒（待定）— 我们已有其他鸡尾酒的构想与规划，但现阶段暂不对外分享。

LoRA、文本反转及其他扩展功能：

我们已启动对扩展类发布形式的探索，以提升伏特加与鸡尾酒系列模型的能力，敬请关注！

请注意：无论探索结果是否成功，我们都会分享相关文章。部分尝试可能失败，但更重要的是，我们将在过程中不断学习。

完整用户经验与解决方案：

这仅是我们即将发布内容的一小部分预示。我们正在将积累的经验与愿景转化为完整的产品发布。敬请期待，我们将陆续分享更多关于最激动人心项目的进展！

旧版本及伏特加发展历程

概览

简要总结：我们正式发布 Vodka_V2，由 FollowFox.AI 制作，是在更新后的数据集上微调的一般用途模型——现数据源来自Midjourney V5.1。一如既往，本文将详细分享我们如何达成这一成果。您从该模型中可期待以下几点：

• 我们采用的是客观上更优的数据集——规模扩大了2.5倍，且清理更彻底。

• 所得模型与V1非常相似，但略有提升。是一次进化，但非突破性飞跃。

• 当前状态下，通过一定投入，可生成一些酷炫图像。

• 模型仍远未达到轻松、一致地生成如MidJourney或顶尖SD模型水准的效果。

您可在 followfox.ai（链接 至文章) 阅读关于模型训练过程的全部详情，因为我们拥抱这一社区的开源精神。您可以复现整个流程，精确了解我们从何处走到今天，并对流程中的具体环节提出反馈与建议。

适用于Vodka V2的参数与有效工作流

还有大量内容可供测试，但我们先分享几点观察：

• 与V1相比，您可尝试更宽范围的CFG值；3到7.5之间的任意数值均可生成良好输出

• 仅使用Booru标签的提示词效果不佳，因我们未对数据集进行标签标注

• 以人类语言句式描述人物，再辅以形容词和“魔法词汇”，效果非常理想

• 几乎所有采样器都能产生有趣的结果

• SD超分工作流（如下所述）配合瓦片ControlNet，显著提升该模型的图像质量

• 推荐使用EasyNegative TI (链接)；在负面提示中加入“blurry”也有帮助

在Automatic1111中尝试的超分工作流

在txt2img标签页中生成您喜欢的初始图像后（我们建议针对每个提示词尝试不同采样器与CFG值的组合，以筛选出潜力候选），将其发送至img2img。

• 使用与原始生成相同的提示词和采样器

• 将采样步数设为较高值；我们大多数图片使用了150步

• 将宽度和高度设为原始尺寸的2倍；因此512x512应设为1024x1024

• 将去噪强度设为较低值；我们使用了0.2至0.25

• 对于CFG值，我们采用（原值 - 0.5）的公式。例如原图生成时CFG为7.0，则设为6.5

• ControlNet设置：启用ControlNet；预处理器选择“tile_resample”，模型选择‘control_v11f1e_sd15_tile’。也可切换至“ControlNet更重要”选项。无需调整其他设置

• 确保安装了“Ultimate SD upscale”插件。从脚本下拉菜单中选择它，选取4x-UltraSharp超分器，并将瓦片宽度和高度设为640x640

• 点击生成，稍等片刻，您将获得令人满意的输出。可重复该过程以进一步提升分辨率

结论与下一步

我们认为模型开发正朝着正确方向前进，我们将持续发布新版本。当然，我们也会完整记录并公开整个旅程的每一步。

针对V3的发布，我们已对部分生成结果中模糊与细节缺失的问题提出了初步假设，并将着手解决。