复古漫画流

Retro Comic Flux 是一个基于完全由人工收集、裁剪和增强的公共领域图像数据集训练的 Flux LoRA。我使用了约50张图片，重复3次，训练15个周期，学习率为0.0001。所有图片均使用 Joy Caption Batch 进行标注。

此模型仍处于实验阶段，我在寻找符合该风格的高质量动物和车辆图像时遇到很大困难，因此目前主要适用于人物形象。最佳效果是描述角色并提供场景作为背景。模型有时在手部和眼部生成上表现不佳。若某元素完全不在数据集中，则默认输出为普通AI插画风格。

为获得最佳效果，请使用 DEIS 采样器。

v1： 初始版本使用低分辨率源图像训练，文本处理能力有限。

v2： 此版本融合了原始公共领域图像以及从购买的公共领域素材中扫描得到的高质量漫画图像。训练过程根据 TensorBoard 分析优化至650步，找到了收敛与过拟合之间的最佳平衡点。结果是一个更具通用性、文本生成能力更强、整体表现更优的模型。

v2 使用提示： 在提示中使用“halftone”时，请同时加入“colorful”以避免生成单色图像。所有生成的图像均包含 ComfyUI 工作流元数据——只需在 CivitAI 图库中点击节点图标，即可复制双阶段生成工作流，然后直接粘贴到 ComfyUI 中以复现结果。

我使用的设置与此前的 LoRA 非常相似，为节省时间并保持简洁，不再详述：低学习率、较少重复次数、优质数据最适合简单的风格。

我在图像选择上非常谨慎，并在 Photoshop 中对每张图像进行了预处理，以突出鲜艳色彩、减少泛黄并增强对比度。这有助于保持色彩一致性，我认为也提升了训练质量。在此过程中，我还移除了部分训练数据中对话气泡内的文字，以增加灵活性并帮助 Flux 理解上下文。你可以在提示中明确写入“empty speech bubble”，通常效果良好。若想深入探索，可尝试使用图像标注器描述你希望模仿的风格——这些图像拥有丰富的标注文本，模型对自然语言提示响应良好。

如果你喜欢这个资源，请发送 BUZZ ⚡️，让我能继续实验与分享。下载图像后，请在图库中分享你的作品——通过分享，系统会为创作者增加 BUZZ，以支持后续生成与训练。

触发关键词： 'c0m1c' 'comic book panel'

推荐强度： 0.7 - 0.9