模型库 /
LoRA /
Lora / NoobAI-XL / Cat Tea QI Hong Character model
触发词
catteaqh
文件清单 线路：原始（huggingface.co） · 切换
下载后放进对应的 ComfyUI 目录。models/ 指 ComfyUI 的模型根目录。
说明
Lora / NoobAI-XL / Cat Tea QI Hong Character model
作者：meowplus
Catteaqh（祁红）— Chibi Fox Girl LoRA
中文动画角色的 Q 版狐狸耳少女角色 LoRA。基于 NoobAI-XL (vPred 1.0)，仅训练 UNet，81.5 MiB。 触发词 *catteaqh**，推荐权重 0.8–1.0。
一、速查表
| 项 | 值 |
|---|---|
| 模型类型 | LoRA（角色） |
| 底模 | NoobAI-XL vPred 1.0noobaiXLNAIXL_vPred10Version） |
| 触发词 | *catteaqh**（必须放正向最前） |
| 推荐权重 | 1.0（常规）／0.8–0.9（姿势超出训练范围时） |
| 推荐采样 | euler + normal，30 步，CFG 5.0，1024×1024 |
| CLIP Skip | 1（与训练一致）；用 2 也可，画风会略偏 NoobAI 社区常规 |
| 文件 | catteaqh_kohya_v10_128hair.safetensors（81.5 MiB） |
| 训练素材 | 128 张（动画截图，超分到短边 1024） |
| 训练步数 | 5600 步 ≈ 4.38 epoch |
| 内容分级 | NSFW（模型本身可出成人内容，但训练集不含成人内容，见第五节） |
二、这是什么
中文动画角色 祁红 的 Q 版（chibi）狐狸耳少女形象 LoRA。特征：粉色长发、狐狸耳、绿色连衣裙、粗眉、棕色眼睛、Q 版头身比。 适合：单角色出图、场景/换装、表情包、短动画帧风格。不适合：写实风、成人向解剖结构（原因见第五节）。 ---
三、使用方法
3.1 基础正向
catteaqh, 1girl, solo, green_dress, pink_hair, upper_body, long_hair, animal_ears,
very_long_hair, brown_eyes, thick_eyebrows, looking_at_viewer, smile
3.2 负向（通用）
lowres, bad anatomy, (worst quality:1.8), low quality, (normal quality:1.3), blurry,
bad hands, mutated hands and fingers, extra fingers, extra limbs, duplicate, cropped,
jpeg artifacts, watermark, signature, text, extra character, floating objects,
extra ears, disfigured, bad proportions
3.3 标签顺序（重要）
v10 的标注顺序是：
catteaqh → 1girl → solo → 服装(green_dress) → 发色(pink_hair) → 景别 → 头发/耳朵 → 眼睛 → 表情 → 场景
提示词尽量按这个顺序写，比随意堆叠更贴合训练分布--keep_tokens=1 只保证触发词在最前，后续顺序仍影响 CLIP 注意力）。
3.4 三个示例
站立肖像
catteaqh, 1girl, solo, green_dress, pink_hair, upper_body, long_hair, animal_ears,
very_long_hair, brown_eyes, thick_eyebrows, looking_at_viewer, smile, simple_background
森林全身
catteaqh, 1girl, solo, green_dress, pink_hair, full_body, long_hair, animal_ears,
very_long_hair, brown_eyes, thick_eyebrows, forest, day, standing, looking_at_viewer
持弓动作
catteaqh, 1girl, solo, green_dress, pink_hair, full_body, long_hair, animal_ears,
very_long_hair, brown_eyes, thick_eyebrows, holding_bow_\(weapon\), aiming, forest
四、关键技术点（不看会踩坑）
| 点 | 说明 |
|---|---|
| *pink_hair 建议必写** | v10 的 128 条标注全部带 pink_hair。不写也能出图（触发词带外观），但写了才与训练分布一致。不要写 red_hair / orange_hair —— 与训练分布冲突 |
| 景别优先 upper_body / full_body | 训练集里 upper_body 94/128full_body 25/128close-up 仅 3portrait 0 |
| thick_eyebrows 是特征词 | 73/128 有，是那双"小椭圆眉"的来源，写了对脸型有正面影响 |
| 瞳孔色 | 常规用 brown_eyes（88/128）；少数舞台装样本是紫瞳purple_eyes），需要舞台装造型时才写 |
| 高清修复别用它重绘 | 任何二次采样都会改眼型/睫毛线。要放大建议纯超分（如 4x-AnimeSharp），zero 重绘 |
| 权重不要一味加 | 超过 1.2 会开始出现线条变硬/过饱和；姿势不听话时先降权重到 0.8，不要加权重 |
五、能力边界（基于 128 张训练集实测）
| 场景 | 训练集覆盖 | 表现 |
|---|---|---|
| 半身 / 全身站姿 | upper_body 94full_body 25standing 31 | ✅ 稳定 |
| 坐姿 | sitting 14 | ✅ 可用 |
| 服装（绿裙） | green_dress 119 | ✅ 很强 |
| 粉色长发 / 狐狸耳 | pink_hair 128animal_ears 112 | ✅ 很强 |
| 脸部特写 | close-up 3portrait 0 | ⚠️ 特写时脸会偏"通用萌系"（脸更圆、眼更大），因为训练集几乎没有脸部大特写 |
| 裸体 | nude / nipples / navel / breasts 全 0 | ⚠️ 完全靠底模；裙子可能以残影形式回来 |
| 躺姿 / 开腿 | lying 1on_back 0spread_legs 0 | ❌ 极不稳，建议降权重或改用坐姿 |
| 性行为姿势 | sex / cowgirl_position / pov 全 0 | ❌ 零样本，需 LoRA 0.7–0.8 让底模主导 |
| 黑化形态 | 已剔除 7 张 | ✅ 不会出现黑化变体 |
说明：模型可以生成 NSFW 内容，但训练集本身是干净的（无裸露样本）。因此成人内容的质量取决于底模，角色一致性会下降。这是数据层面的限制，不是权重能修的。
六、训练信息
| 项 | 值 |
|---|---|
| 训练器 | kohya-ss/sd-scripts sdxl_train_network.py |
| 底模 | NoobAI-XL vPred 1.0 |
| v-pred 选项 | --v_parameterization（必须，vPred 模型的标准做法） |
| VAE | --no_half_vae |
| 网络 | --network_module=networks.lora --network_dim=16 --network_alpha=8 --network_train_unet_only |
| 学习率 | 1e-4（unet_lr 同）--lr_scheduler=cosine_with_restartsAdamW |
| 分辨率 | 1024--enable_bucket --min_bucket_reso=768 --max_bucket_reso=1536 --bucket_reso_steps=64 |
| 文本 | --max_token_length=225 --keep_tokens=1 |
| 显存优化 | --cache_latents --cache_text_encoder_outputs --gradient_checkpointing --sdpa |
| 精度 | --mixed_precision=bf16 --save_precision=bf16 |
| 重复 | 每张 10 次（128 × 10 = 1280 步/epoch） |
| 总步数 | 5600（≈ 4.38 epoch，每 500 步存档） |
| 硬件 | RTX 4090 D，约 70 分钟 |
素材处理：动画截图（原始短边 281–930 px）→ 4x-AnimeSharp 超分 → Lanczos 缩放到短边 1024。其中前 60 张由完整流程处理（WD14 v3 打标 + 人工逐条复核 + 水印/画面文字逐张检测擦除）；后续扩充至 128 张时沿用同一套打标与清洗规范，并剔除 7 张黑化形态。