Recommend:Sampler: er_sde Scheduler: simple/sgm_uniform/beta Steps: 8 - 12<hr /><h2 id="v5.5-x">v5.5 - X</h2>使用四組新的 Lora 製作，使用 SVD 並融合部分 <a rel="ugc" href="https://civarchive.com/models/2728644/krea-2-mystic-xxx">[Krea2] Mysitc XXX</a> 權重。特別感謝作者 @alcaitiff 授權使用。Made with four new sets of Lora, using SVD and fused with some <a rel="ugc" href="https://civarchive.com/models/2728644/krea-2-mystic-xxx">[Krea2] Mysitc XXX</a> weights. Special thanks to the author @alcaitiff for permission.SVD を使用し、<a rel="ugc" href="https://civarchive.com/models/2728644/krea-2-mystic-xxx">[Krea2] Mysitc XXX</a> ウェイトと融合した 4 つの新しい Lora セットで作成されました。許可をくださった作者 @alcaitiff に心より感謝いたします。Lora의 새로운 4개 세트를 SVD 방식으로 제작하고 <a target="_blank" rel="ugc" href="https://civarchive.com/models/2728644/krea-2-mystic-xxx">[Krea2] Mysitc XXX</a> 웨이트를 일부 융합했습니다. 사용 허가를 해주신 @alcaitiff 님께 특별히 감사드립니다.<hr /><h2 id="v5.0-cpo">v5.0 - CPO</h2>加入 1,200 張新資料，使用 TQD 訓練後，與 v4.0 權重做 SVD 融合，再使用 FlowCPO 做 50 組小資料集的後訓練。整體表現與 v4.0 水準差不多，但在色彩、背景、結構上有小幅度的優化。After incorporating 1,200 new dataets and training with TQD, the model was merged with the v4.0 weights via SVD fusion, followed by post-training on 50 small paired datasets using FlowCPO. Overall performance is comparable to v4.0, though there are slight improvements in color, background, and structure.1,200件の新規データセットを組み込み、TQDを用いて学習を行った後、SVD 融合（SVD fusion）によってモデルをv4.0の重みと統合しました。続いて、FlowCPOを用いて小規模なペアデータセット50件で事後学習（post-training）を実施しました。全体的な性能はv4.0と同等ですが、色味、背景、構造の面ではわずかな改善が見られます。1,200개의 새로운 데이터셋을 통합하고 TQD로 학습시킨 후, SVD 융합(SVD fusion)을 통해 해당 모델을 v4.0 가중치와 병합했으며, 이후 FlowCPO를 사용하여 50개의 소규모 쌍(paired) 데이터셋으로 후속 학습을 진행했습니다. 전반적인 성능은 v4.0과 대등한 수준이나, 색상, 배경 및 구조 면에서는 약간의 개선이 확인되었습니다.<hr /><h2 id="v4.0-tqd">v4.0 - TQD</h2>使用 15,000 資料集，Batch Size 4，TQD 重新訓練，並融合 v3.0 部分權重。整體效果在提詞反應、風格及材質上會有更多樣化的表現。We retrained using a dataset of 15,000 data points, a batch size of 4, and TQD, and incorporated some weights from version 3.0. The overall results show more diverse performance in terms of prompt response, style, and texture.15,000個のデータポイント、バッチサイズ4、TQDを用いて再学習を行い、バージョン3.0の重みの一部を取り入れました。その結果、応答性、スタイル、テクスチャの面で、より多様なパフォーマンスが実現しました。15,000개의 데이터 포인트, 배치 크기 4, TQD를 사용하여 재학습을 진행했으며, 버전 3.0의 일부 가중치를 통합했습니다. 전반적인 결과는 응답 속도, 스타일 및 질감 측면에서 더욱 다양해진 성능을 보여줍니다.<hr /><h2 id="v3.0-tqd">v3.0 - TQD</h2>使用兩組全新資料集，將資料集擴展至 5000 筆，加入更細緻的臉部特寫，更多的動作，搭配 TQD 重新訓練。Using two new datasets, expanding the dataset to 5000 records, adding more detailed facial close-ups and more movements, and retraining with TQD.2 つの新しいデータセットを使用し、データセットを 5000 レコードに拡張し、より詳細な顔のクローズアップと動きを追加し、TQD で再トレーニングしました。두 개의 새로운 데이터셋을 사용하고, 데이터셋을 5000개 레코드로 확장하고, 더 자세한 얼굴 클로즈업 이미지와 더 많은 움직임을 추가하고, TQD를 사용하여 재학습했습니다.<hr /><h2 id="v2.0-tqd">v2.0 - TQD</h2>使用 v2.0 的資料集，縮減至 1440 筆，並使用自行修改的 <a target="_blank" rel="ugc" href="https://github.com/hinablue/krea2-trainer">Krea2 訓練器</a>，搭配 TQD 重新訓練。在良好的提詞下，可以做出更自然、表現力更高的畫面。Using the v2.0 dataset, reduced to 1440 entries, and retrained using a modified <a target="_blank" rel="ugc" href="https://github.com/hinablue/krea2-trainer">Krea2 trainer</a> combined with TQD, more natural and expressive visuals can be created with better prompting.v2.0 データセットを 1440 件に削減し、改良版 <a target="_blank" rel="ugc" href="https://github.com/hinablue/krea2-trainer">Krea2トレーナー</a>と TQD を組み合わせて再学習させることで、より自然で表現力豊かなビジュアルを、より適切なプロンプトを用いて作成することができる。v2.0 데이터 세트를 1440 건으로 줄이고 개선된 <a target="_blank" rel="ugc" href="https://github.com/hinablue/krea2-trainer">Krea2 트레이너 </a>와 TQD 를 조합하여 재학습함으로써 보다 자연스럽고 표현력이 풍부한 비주얼을 보다 적절한 프롬프트를 사용하여 작성할 수 있다.<hr /><h2 id="v2.0-ex">v2.0 - EX</h2>EX - Emotional eXpressions使用 v1.0 的資料集，縮減至 4,000 筆，增加 NSFW 約 200 筆，臉部與表情動作約 1,000 筆資料重新訓練。如果覺得不夠，可以搭配 bypass lora 使用。Using the data set of v1.0, the data set was reduced to 4,000, about 200 NSFW data were added, and about 1,000 facial and expression data were retrained. If you feel it is not enough, you can use it with bypass lora.v1.0 のデータ セットを使用して、データ セットは 4,000 に削減され、約 200 の NSFW データが追加され、約 1,000 の顔と表情のデータが再トレーニングされました。物足りないと感じたら、 bypass lora と併用することもできます。v1.0의 데이터셋을 이용하여 데이터셋을 4,000개로 줄이고, NSFW 데이터 약 200개를 추가하고, 얼굴 및 표정 데이터 약 1,000개를 재학습시켰다. 부족하다고 느끼신다면 bypass lora 와 함께 사용하시면 됩니다.<hr /><h2 id="v1.0-raw">v1.0 - RAW</h2>這是使用 <a target="_blank" rel="ugc" href="https://civarchive.com/models/2185778/z-image-turbo-asian-mix-lora">[Z Image Turbo] Asian Mix Lora</a> 相同資料集，重新訓練的 LoRa。This is LoRa retrained using the same dataset as <a target="_blank" rel="ugc" href="https://civarchive.com/models/2185778/z-image-turbo-asian-mix-lora">[Z Image Turbo] Asian Mix Lora</a>.これは <a target="_blank" rel="ugc" href="https://civarchive.com/models/2185778/z-image-turbo-asian-mix-lora">[Z Image Turbo] Asian Mix Lora</a> と同じデータセットを使用して再トレーニングされた LoRa です。이것은 <a target="_blank" rel="ugc" href="https://civarchive.com/models/2185778/z-image-turbo-asian-mix-lora">[Z Image Turbo] Asian Mix Lora</a> 와 동일한 데이터 세트를 사용하여 재 훈련 된 LoRa 입니다.<hr /><h2 id="v0.7-pre-release">v0.7 - pre-release</h2>這是使用小資料集訓練 Krea2 的 Lora。我最主要的目的是嘗試調整亞洲女性的臉部表現。This is Lora trained on Krea2 using a small dataset. My main purpose is to try adjusting the facial features of Asian women.これは、Krea2 データセットを用いて小規模なデータセットで学習させた Lora です。私の主な目的は、アジア人女性の顔の特徴を調整することです。이것은 소규모 데이터셋을 사용하여 Krea2 로 학습시킨 Lora 모델입니다. 제 주요 목적은 아시아 여성의 얼굴 특징을 조정해 보는 것입니다.

[Krea2 Turbo] Asian Mix Lora

hina_Krea2Turbo_asianMix_v5.5-X.safetensors

v5.5 - X

v5.0 - CPO

v4.0 - TQD

v3.0 - TQD

v2.0 - TQD

v2.0 - EX

v1.0 - RAW

v0.7

Files with SHA256: 749d83a967092cdd48192a3f8a4282ff98e7b1887e5e33f90abda11d7cb00bb9