File size: 4,225 Bytes
fffdbec | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 | ---
license: other
language:
- zh
tags:
- lora
- text-to-image
- moss-image
- character
- portrait
base_model: MOSS-Image
pipeline_tag: text-to-image
---
# PygonGirl1024 · MOSS Image 人物 LoRA
基于 **MOSS-Image** 训练的人物 LoRA 集合,本地训练,参数与数据集构成全部公开。
## ⚠️ 免责声明
**本仓库仅限技术学习与个人研究交流使用。**
- 所有模型**禁止商用、禁止二次分发、禁止用于任何违法用途**
- **下载后请在 24 小时内自行删除**
- 模型仅供研究 LoRA 训练方法之用,不对生成内容负责
- 使用者需自行承担使用本模型产生的一切后果
- 如相关权利人认为内容不当,请通过 Issues 联系,将立即删除
请自行遵守所在地区法律法规。继续下载即视为已阅读并同意上述条款。
---
## 模型列表
| 角色 | 版本 | 文件 | 触发词 |
|---|---|---|---|
| 唐嫣 | v4 | `moss_tangyan_v4.safetensors` | `唐嫣, tangyan, woman` |
| 唐嫣 | v3 | `moss_tangyan_v3.safetensors` | `tangyan, 唐嫣, woman` |
### 推荐参数
| 项 | 值 |
|---|---|
| 权重强度 | **1.0 – 1.2** |
| 采样步数 | 20 – 30 |
| CFG | 4 – 5 |
| 分辨率 | 1024 × 1024 起 |
---
## 训练配方
参数全部公开,想复现或自己练一个照着来即可。
### 底模与超参
| 项 | 值 |
|---|---|
| 基座模型 | MOSS-Image **Base**(不是 SFT 版) |
| 网络结构 | LoRA · **rank 32 / alpha 32** |
| 学习率 | 1.5e-4 · cosine 调度 |
| 训练步数 | 2000 |
| batch size | 1 |
| 分辨率分桶 | 512 / 768 / 1024 |
| 训练器 | ai-toolkit v0.13.40 |
| 硬件与耗时 | RTX 4060 Ti 16G · 约 3 小时 |
### 数据集构成
| 项 | 标准 |
|---|---|
| 训练张数 | 120 – 200 张 |
| 分辨率门槛 | **短边 ≥ 1024**,低于此一律不收 |
| 景别配比 | 特写 / 胸像 / 半身 / 全身尽量均衡 |
| 筛选标准 | 单人、五官清晰、无遮挡、非多人合影、非过度修图 |
| 去重 | dHash 感知哈希,汉明距离 ≤ 6 判为重复 |
### 打标策略(关键)
触发词格式:
```
<中文名>, <拼音>, woman
```
**caption 里绝不描述长相**——不写发色、发型、脸型、五官、肤色、妆容、年龄、性别、体型,也不写 beauty 类形容词。
只描述会变化的部分:
- 服装与配饰
- 姿态与动作
- 表情(仅情绪,如 smiling / serious)
- 场景与背景
- 光线
- 镜头构图与角度
**为什么要这样**:LoRA 学的是「图里恒定、而 caption 没有描述」的东西。把长相写进 caption,等于告诉模型「长相不重要,忽略它」——结果就是训出一个长得不像的模型。
这也是为什么**发型不会被锁定**:caption 刻意没写发型,所以它会随提示词变化。需要固定发型时,在正向提示词里写明即可。
打标模型:Qwen3-VL-4B(本地部署,约 39 秒/张)。
---
## 使用方法
### ComfyUI
```
models/loras/moss_tangyan_v4.safetensors
```
配合 MOSS-Image 底模使用,LoRA Loader 强度建议 1.0–1.2。
### 正向提示词示例
```
唐嫣, tangyan, woman, wearing a black evening gown, standing on a red carpet,
full body shot, natural lighting, looking away from camera
```
---
## 目录结构
```
├── moss_tangyan_v4.safetensors # v4 权重(141.8 MiB)
├── moss_tangyan_v3.safetensors # v3 权重(保留做对比)
├── tangyan_v4_config.yaml # v4 完整训练配置
└── assets/
├── tangyan_v4_face.jpg # 四机位展示图
├── tangyan_v4_half.jpg
├── tangyan_v4_side.jpg
└── tangyan_v4_seat.jpg
```
---
## 已知限制
- **全身生成偏弱**:v4 训练集全身景别占比偏低(约 3%),全身构图的稳定性不如半身和特写
- **多人场景不擅长**:训练集以单人为主,多人互动时容易串脸
- **无法精确控制年龄与体型**:caption 刻意不含这些描述
---
## 更新记录
| 日期 | 版本 | 变更 |
|---|---|---|
| 2026-11-06 | v4 | 数据集 194 张(短边 ≥1024 硬门槛),触发词顺序调整 |
| 2026-11-05 | v3 | 首个可用版本,124 张 |
|