本人为C站此Lora的原作者，现发布在liblibai

原地址：****s://civitai.com/models/15424/majo-no-tabitabi-elaina-v30

宣传视频已推出，欢迎大家支持。

视频地址：****s://****bilibili.com/video/BV16Y4y1y7h4

推荐大模型：Counterfeit-V2.5

V3.0 介绍

请允许我以全新的的Lora发布elaina_v3，因为这将是一次完全的重制，并不是简单的升级，我是以制作最完美的伊蕾娜Lora为目的制作了它，这个Lora倾注了我大量的心血，即使不算租借GPU的费用，它也消耗了我整整7天的时间，关于制作的详情我将放到结尾，以下便是本Lora的详细使用说明。

使用说明：

• 依然写在最前面的，本Lora意在还原小说画风，使用它你并不能很好的生成动画画风与其他画风，经过我的调研，许多人更喜欢的是动画里的屑魔女，但很抱歉，我暂时没有去做，也许以后会尝试。
• elaina_v3我最想先列出的新功能，那就是伊蕾娜的衣服风格，在elaina_v2中，只有魔女服和毛衣两种款式，而现在你可以根据季节与背景的色调，完全定制伊蕾娜的魔女服的款式或是日常服，我们有多种完全不同的风格可供选择： 基本的风格选择通式是：颜色_style_costume+服装类型_costume 颜色=blue、purple、black(成功率低)、pink、darkblue、cyan、crimson、magenta(成功率高) 服装类型=majo、daily 没错，你可以通过两个tag组合获得8种不同的魔女服风格，再加上不会改变风格的日常服，总共有9种风格。细心的你们应该能发现了，本Lora的预览图，9张图分别对应了9种风格，选择你们喜欢的风格吧。
• 定制了衣服以后伊蕾娜身上的其他组件(魔女帽witch_hat、扫帚broom、靴子boots)的风格不统一怎么办？没问题，elaina_v3中只要你输入了衣服风格通式：颜色_style_costume，再搭配任意伊蕾娜身上的组件，或是两个甚至三个的组合，它们都会尽可能地适配相应的魔女服风格。当然，你也可以给日常服的伊蕾娜配上组件，虽然日常服的风格不会改变，但相应的组件你依然可以自定义风格。
• 接下来便是最激动人心的新功能，我尽力还原了伊蕾娜的魔女胸针，它不再是elaina_v2里那样飘忽不定，时而完全崩坏，时而忽大忽小，使用brooch，你便可以近乎原版的生成它；如果你认为效果依然不满意，与之前一样，调大参数进行局部重绘，我保证你能生成一个完美的魔女胸针。同样，伊蕾娜的魔女帽与靴子也修复了崩坏的问题，你将很难再看见像开瓢的扇子一样崩坏的帽子和后跟不成形状的鞋子了，使用witch_hat、boots放心的生成它们吧。
• 我甚至对伊蕾娜的魔法杖也进行了还原，你可以通过wand或是holding_wand生成它。
• 最后一个功能，将是我这会投入最多时间的，那就是扫帚的修复，我甚至自己画了10几幅扫帚来补充素材。因为扫帚断裂成两半一直是个千古难题，最根本的原因就是AI学习的素材里，扫帚不是在身后挡着就是拿在手里，给AI造成了扫帚是两段的假象，这在每个大模型中也都存在这样的问题。为了在Lora中修复它，我需要给它学习大量“完整的”扫帚，而且素材里所有关于伊蕾娜以外的的所有区域我都要完全扣干净，防止被误认为是扫帚，但是最终的成果还是要靠运气，至少比上个版本好太多了，这也是唯一一个没能完美解决的问题，以后技术成熟后我会继续努力修复。如果你不想看见扫帚，请在负面提示词中输入broom、holding_broom、riding_broom，我保证你几乎不会再看见扫帚；同理要生成扫帚，请在正面提示词中输入它们。

制作详情：底模为Counterfeit-V2.5，训练总步数共42,560步，主要是部件的训练也需要很多步数。素材图片有94张，其中还有我自己画的图，小说画风的训练素材太少仍然是个难以逾越的鸿沟。

写在最后：感谢你能看到这里，为了制作这个Lora，我付出了太多，从一开始逐一修改tag，再到逐一抠图选材，都耗费了我大量的时间，我在抠图的时候看见满满文件夹的图片，我曾无数次的想要放弃，但elaina_v2中大家的支持让我坚持制作了下去，保证每一幅图扣的完美，每一个tag都无懈可击，每一个部件都做到各种角度与风格，最终我完成了它。当然最根本的原因还是我自己的技术力不够强，素材的质量不够高，但这也是无可奈何的，因为我的本职工作与AI技术毫无瓜葛，一切都是凭着自己的兴趣制作的，如果这个Lora能帮到你，给我一个5颗星评价吧，谢谢你们。

如果我的Lora取得成功，我将会上传一个b站视频进行宣传，到时候请你们多多支持了。

• 9种完全自由定制的服装风格
• 解决了帽子、胸针、靴子的难题
• 尽力增加了扫帚生成的成功率
• 大幅降低过拟合现象