PygonGirl1024 / README.md
Pygon's picture
Add model card with training recipe and disclaimer
fffdbec verified
|
Raw History Blame Contribute Delete
4.23 kB
---
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 |