基于Flux的FluffyRock继任者目前正在训练中。早期检查点在无审查、全自然语言模型领域展现出巨大潜力。

Chroma

[ e233-terminal-snr-vpred-e206 是原始vpred训练系列的最后一个版本。我将其放在这里以求“完整”。该vpred模型有一些更新的检查点，训练中有一些不同之处（我忘了具体改了什么）。如果Civitai允许，我稍后会尝试上传e257-terminal-snr-vpred-e11。 ]

[ 有一些更新的FR模型，特别是“minsnr”系列，但它们有些“过度处理”，我不推荐用于通用用途，Lodestone建议将其用于模型融合。一如既往，所有这些模型都可以在HF仓库中找到，如果你想尝试的话。 ]

这是部分常见/流行/新型FluffyRock模型的官方Civitai上传。此举主要为了方便其他帖子和模型能正确引用原始模型。

FluffyRock 是一个专注于兽迷题材的模型，对概念和风格有广泛的理解，并支持最高1088x1088的采样。由于正在进行多种不同实验，多个模型分支正在并行训练，每个分支的输出至少会与其它分支略有不同。

存在多个使用不同方法的模型分支。

一旦更新完成，将添加一份各分支及其差异的图表。

此处信息不完整。此内容将最终完善。

当前推荐版本：

我个人认为，vpred模型系列效果越来越好。需要额外设置才能正常使用，详见下文。

目前任何近期的terminal-snr epoch均已相当成熟，各检查点之间的变化不大，仅表现为对低频标签概念理解的逐步提升。

这通常是主观偏好，选择你最喜欢的即可。或与其他模型混合使用。随你所愿。:V

提示词：

使用e621标签，不带下划线，逗号分隔，顺序任意。

艺术家标签使用“by name”格式，不要包含通常存在的“(artist)”字样。

3m之前的模型无法理解元标签。3m之后的模型可能能理解元标签，但我尚未明确测试过。

基础SD1.5的自然语言理解能力基本已被“切除”。目前有多个项目正尝试重建类似于基础SD但更专注于兽迷艺术的自然语言理解能力。这些检查点目前尚不成熟，不适合通用用途，但你可以在Discord线程和HF中找到它们用于测试。

此处展示的大多数示例都几乎没有或完全没有负向提示。

请注意：使用任何FluffyRock vpred模型都需要额外设置：

使用提供的配置文件。

你需要使用cfg重缩放（cfg rescale）。

对于A1111（以及可能的Vlad分支），请使用CFG_Rescale_webui扩展。或者从A1111拉取cfg rescale的PR（除非它已被合并到上游）。希望未来这能成为A1111的内置功能。

在Comfy UI中也有实现方法，但我需要验证后再补充此处信息。

关于Civitai上传：

随着时间推移，将添加更多版本。如果你需要某个特定检查点上传，请留言。当我有时间上传并制作示例图像时，新模型将在此处上传。原始Hugging Face仓库始终为最新版本。

由于我们是一个小型非正式团队，我拥有最多的带宽和时间来维护上传工作。Lodestone Rock 训练了这些模型，其他人也在诸多方面提供了帮助。

由于Civitai的版本字符串长度限制以及网站机制（下载不使用原始上传文件名），检查点文件名与HuggingFace上的原始文件名不同。我已尽量在保持与原始名称足够接近以供识别的前提下，确保不同训练分支的文件名具有唯一性。每个检查点的完整原始文件名可在侧边栏的“关于此模型”中查看。

此处每个模型线的简要说明：

1088-megares：在高达1088px的高清数据集上训练。

在e27时被认为已完成，因性能已趋于稳定，训练重点转向其他分支。

1088-megares-offset-noise：与上述相同，但增加了使用偏移噪声的额外训练轮次。有助于增强图像明暗部分的动态光照范围，例如使暗部更暗。

在e27时被认为已完成，因性能已趋于稳定，训练重点转向其他分支。

1088-megares-offset-noise-3M：与上述相同，但使用了超过300万张图像的更大数据集。能够理解更多概念。

我认为不再继续训练额外检查点，而是将更多时间投入其他分支。

1088-megares-terminal-snr：目标与偏移噪声类似，但技术方法不同。重新调整噪声调度以强制实现零终端SNR。这与下面的vpred分支中进行的其他更改结合使用。

1088-megares-terminal-snr-vpred：于第20-21轮epoch从1088-megares-terminal-snr分叉而来。

这是一个实验性模型，使用v-预测（v-prediction）修复Stable Diffusion 1.5的噪声调度和采样步长缺陷。它通过四种方式实现：

• 重新调整噪声调度以强制实现零终端SNR。

• 使用v-预测进行模型训练。

• 将采样器改为始终从最后一个时间步开始。

• 重缩放无条件引导（CFG）以防止过度曝光（配置重缩放）。

这些修改基于论文《Common Diffusion Noise Schedules and Sample Steps are Flawed》。

模型实验表明多种可能的改进，包括但不限于：

• 对提示词的理解提升

• 更准确的色彩

• 显著增强的对比度

请注意：使用任何FluffyRock vpred模型都需要额外设置：

需使用配置文件和cfg重缩放。对于A1111（以及可能的Vlad分支），请使用CFG_Rescale_webui扩展或从A1111拉取cfg rescale的PR（除非它已被合并到上游）。

e6laion：另一项实验。

不是任何其他分支的分叉，完全独立。

在由e6、laion和booru组成的混合数据集上训练。它正在重新学习基础SD1.5曾具备的能力。同样使用vpred。仍处于高度实验阶段，训练轮次较少。尚未上传至此处。可从HuggingFace仓库下载。结果可能不稳定。

PolyFur：较新的项目，与e6laion类似，但额外使用了人工精选数据集，目标是重新引入自然语言提示，同时侧重于提升美学效果。

不是任何其他分支的分叉，完全独立。

每轮训练均有所改进，预计将于八月初在此处发布。同样使用vpred。目前即可从HuggingFace仓库下载。

SDXLVAE：对1088-megares-offset-noise-3M的实验性分叉，使用了SDXL VAE。

自动补全：

标签自动补全文件 —— 当前仅覆盖pre-3M数据集。我正在构建新版本，但需要手动校验和修正35,000个冲突标签。

为什么有两个轮次编号？

第一个数字是从训练开始以来的连续轮次。

第二个数字是从该特定分支分叉以来的轮次。

示例：fluffyrock-576-704-832-960-1088-lion-low-lr-e101-terminal-snr-vpred-e74

101：这是1088多分辨率训练开始以来的总轮次。

74：这是从terminal-snr分叉以来在tsnr分支上进行的轮次（vpred很可能在e20-e21时从tsnr分叉）。

故障排除：

输出效果差：

请勿在512x512分辨率下采样。请使用768或更高分辨率。超过1088可能会导致典型的SD1.x高分辨率异常。高分辨率修复及其他类似方法能轻松实现2K+分辨率。

提示一些艺术风格。使用“by [e6艺术家标签，不带下划线]”。为获得更好效果，可提示多个风格。使用A1111的提示词编辑功能创建独特风格效果极佳。

某些标签的概念虽被模型认知，但样本数量过少或样本中存在严重偏差。为该概念训练自定义LoRA通常能有效提升表现。

VPred故障排除：

输出仅为噪点/云雾： 缺少配置文件。

输出太暗： 提高cfg重缩放值。通常0.7-0.9效果最佳。

某些采样器可能无法正常工作，因为cfg重缩放支持尚未完善。请参阅Discord线程获取最新讨论。

训练LoRAs：

此前，e27被推荐为训练目标，因为其结果在当时更容易迁移到其他FR分支。此说法已过时。

根据我的经验，近期任何FR分支训练的LoRA在其他模型分支间均具有不错的可迁移性。但若以你计划采样的模型作为训练目标，效果最有可能最佳。

噪声偏移模型可能需要使用大于0的噪声偏移进行训练才能获得良好效果，但此类LoRA可能在不使用噪声偏移的其他模型上表现不佳。建议从0开始，检查结果。噪声偏移模型现已过时，你更应考虑更新的模型分支。

Terminal-SNR（非vpred）模型无需特殊设置。

vpred需要启用v_参数化进行训练。kohya_ss会警告在v1上使用此参数——忽略它，没人预料到有人会用v-prediction训练SD1.5。

在非vpred的FR模型上训练的LoRA大概率可正常工作。

请在Discord中寻求帮助。

链接与资源：

标签自动补全文件

Hugging Face 仓库 包含所有模型分支的每个版本。完整克隆仓库需要超过1.5TB磁盘空间，已提前警告。

FluffyRock Discord服务器

Furry Diffusion Discord服务器 及其 FR线程

LodestoneRock的Patreon 帮助支持他们的训练成本。

许可：WTFPL

由于Civitai的站内生成功能存在故障（至少对这些模型而言），我不得不将商业用途设置为错误值以禁用烦人的“创建”按钮。你可以在生成服务中使用这些模型，我们并不介意，但若它真能正常工作就更好了。:V

目前看来除vpred模型外，其他模型功能已恢复正常。