Yoko Kuno 🎨 Flux.1-D

概述

久保阳子（关于她，访谈）是日本动画界冉冉升起的新星。她于1990年出生于茨城县筑波市，拥有导演、动画师、漫画家和插画师的多重背景。她毕业于多摩美术大学，主修平面设计，2013年毕业。她的毕业作品《Airy Me》以融合表现主义与前卫元素的独特艺术风格著称。

2015年，她被选为岩井俊二执导的《花与爱丽丝：杀人事件》的描线动画导演，这一机会进一步推动了她在业界的发展。此后，她参与了多个项目，包括担任《宝石之国》的导演与关键帧动画、《企鹅公路》的概念设计，以及电影《蜡笔小新：神秘的忍者之谜》的角色设计、分镜、导演与关键帧动画。

2024年，她以《化猫安子》（英文名：Ghost Cat Anzu）正式 debut 主流长篇动画导演身份。该片最初以实拍形式拍摄，随后在久保阳子的指导下，通过描线动画技术处理实拍素材完成制作。实拍镜头由联合导演山下信博执导。《化猫安子》获得广泛好评，并被选为2025年奥斯卡最佳动画长片的候选作品。

久保阳子的风格显然不仅限于本LoRA所展现的这一种，她是一位更具多样性的艺术家与动画师。请观看她的《Airy Me》，尽管这部作品令我感到相当不安，却同样具有迷人的魅力。她也是一位漫画家，可参见获奖作品《天城由香里的角与爱》（链接），荣获第21届日本媒体艺术祭漫画部门新人奖。我希望最终能买到这本书，一并学习她的漫画风格。

但我最初是通过麦当劳日本与《魔女宅急便》合作广告了解到她的作品。我非常喜欢其风格，并希望用Flux LoRA重现它。不久后，我得知她即将推出一部完整的动画电影——《化猫安子》（IMDb链接），其风格与该广告完全一致。因此，虽然仅凭这两部作品难以全面定义她的风格，但我个人非常钟爱她在主流动画项目中的视觉风格，因此在本LoRA的初始版本中，我仅使用了这两部作品的镜头（更多细节请参见下方“训练”部分）。

此外，她在描线动画中所体现的某些特质，是静态图像无法捕捉的。我强烈推荐观看《化猫安子》，这是一部温暖而有趣的影片。虽然在叙事魔力上未必能达到吉卜力的水平，但久保阳子的叙事艺术风格潜力巨大。

使用方法

此处发布的所有图像均包含ComfyUI元数据，并使用以下设置生成：

模型：flux1-dev (fp8e4m3fn)
文本编码器：t5pxxl_fp16
采样器：euler
调度器：24步（标准）
Flux引导强度：4
LoRA强度：1

似乎无需触发词即可生效，但为保险起见，我通常在所有提示前加上“在久保阳子风格下”。

训练

本LoRA所用素材来自《魔女宅急便》麦当劳广告片段及《化猫安子》的预告片（目前尚无法获取完整影片以截取实际画面）。我使用ffmpeg提取所有帧并筛选出最佳画面，然后进行裁剪、去水印等处理，最终获得205张高质量图像，并使用CogVLM2-Chat-19B进行标注。标注提示语为：

“请描述这张图像，但不要描述其风格细节。描述以‘在久保阳子风格下的图像，描绘了...’开头，然后进行描述。”

我审阅了所有标注内容（尽管CogVLM2在描述复杂场景时精准度极高），并明确标注了“琪琪”、“吉吉”、“卡琳”和“安子”的名字。不过，我并未期望这些标签能有效帮助在最终LoRA中准确唤出这些角色，添加它们更多是出于完整性考虑。事实上，正如预期，琪琪与卡琳、吉吉与安子的概念容易相互混淆（安子的特征更具主导性）。更糟糕的是，模型有时难以准确描绘吉吉——而吉吉的形象恰恰是评估图像生成模型质量的关键指标之一。

我计划在获取《化猫安子》完整影片后，使用更多高质量截图重新训练此模型。 这也是当前版本尚未标记为“v1”的原因。我亦考虑纳入她的其他作品数据，如《花与爱丽丝：杀人事件》，以及其他风格不冲突的项目。此外，我对背景的渲染效果也不甚满意——它们常退化为写实风格，而我未能成功还原其“水彩”质感。

尽管如此，我认为这是迄今为止我制作的最出色的LoRA。其提示遵循度和人体结构合理性都非常优秀（尽管我可能有偏见）。在所有我发布的图像中，极少经过刻意挑选；我几乎总能一次生成符合结构且完整呈现提示细节的图像。

本LoRA使用RTX 3090和AI Toolkit进行微调，主要训练超参数如下：

秩（Rank）：8
Alpha：16
优化器：prodigy
步数：10000
批次大小：1
学习率：1
学习率调度器：恒定
解耦：true
使用偏差校正：false
Betas：(0.9, 0.99)
权重衰减：0.05
噪声偏移：0.1

本LoRA并非基于常规的FLUX.1-dev训练，而是基于Flux-Dev2Pro（链接）。虽然我尚无实证数据证明其提升了模型质量，但个人观察表明，它增强了人体结构准确性和提示遵循度。事实上，在为期两天的测试中，我同时测试了八个LoRA，使用相同种子和提示评估生成图像，发现未使用LoRA的原始模型生成图像在提示遵循和结构准确性方面均逊于使用了本LoRA的图像。

附注

我还上传了数据集，以供有需要者使用。