どうも、和製ホーリックスです。
テスタロッサ
話說上一篇転スラ的動畫感想文中有提到，個人很喜歡原初之白的テスタロッサ，由於那時在X上感覺她的AIイラスト似乎沒有很多，正好Civitai已有強者製作出她的LoRA，想說既然網路上沒幾張，那就在下就自己來DIY一下，所以便啟動了許久未動的Stable-Diffusion-WebUI。

去年入手的NVIDIA RTX 5060 Ti 16GB雖然生成影片慢到不行，但是在出圖方面倒是非常快，藉由提示詞的不斷修正，很快地就生成了幾十張圖，在下就很索性的選了一張自己比較滿意的貼到X上去，沒想到這個無意舉動，居然讓在下進入了一個永無止境的精神時光屋了…Orz

是的，你沒看錯。不知道是不是因為大家的想法都跟在下一樣的關係，這張テスタロッサAIイラスト只稍微帶點色氣而已，但X友的迴響卻比以往在下所貼的任何一張糟糕圖還要來得強大。不僅瀏覽次數高達3.5萬次以上，還獲得了超過2,600個讚。這個結果著實讓在下有點始料未及，要不是很早之前就已經關掉X的App通知的話，這提示音應該是會跳整晚吧…(汗

過了2天，在下又上傳了一張大概微調了一個晚上才滿意的テスタロッサAIイラスト，もちろん這次在色氣方面自然強化了些許…果不其然的，這次瀏覽次數甚至高達13萬次以上，並且獲得了7,000以上個讚，迴響遠遠超越了上一張圖。

也許是食髓知味，亦或是這般熱烈的迴響激發了在下塵封已久的創作欲吧。但是第3張テスタロッサAIイラスト的完成，卻足足讓在下搞了2天。果然有了目的之後，創作就不太順利了…雖然仍有得到6000個以上的讚，但瀏覽次數僅5.8萬，可能是太色了，所以無形中被X的演算法偷偷限流也說不定吧XD

まあ、以上的內容全部都是題外話(拖

今天主要想介紹的是，「Stable-Diffusion-WebUI-Neo」(Forge Neo)這個玩意。它是基於Stable Diffusion WebUI Forge所延伸的分支。由於原Forge版在2024年經過大幅重構，並加入FLUX.1模型支援後，後續的核心開發逐漸趨緩，因此便有其他開發者接手延伸，推出了持續更新的Forge Neo分支。
Stable-Diffusion-WebUI-Neo
這個Forge Neo分支不僅升級了底層核心，同時延續了經典熟悉的AUTOMATIC1111介面，更能順暢運行當前最新的各類大型與前沿AI模型，包含最新的Qwen-Image-2.1系列。

老實說個人完全沒用過Forge版，在下是從無印的AUTOMATIC1111版直接跳到Forge Neo版。至於為什麼會突然找Forge Neo來用，主要還是因為在下無意間在Civitai上發現了不少90年代的經典糟糕動畫如《ワーズ・ワース》、《ミッドナイトパンサー》等劇中登場人物的LoRA。

由於這些LoRA使用的底模幾乎都是ANIMA系列，與傳統SDXL不同，無印的Stable-Diffusion-WebUI並無法直接使用。在下所知道的支援環境，基本上也只有ComfyUI而已。

然而ComfyUI自某次大幅更新，Logo底色從藍色變成黑色之後，不僅啟動程式的時間增加了不少，個人也覺得越來越難用。並不是說它不強大，而是這玩意兒感覺比較玄人志向，對於一向講求速成的在下，從零開始學習這件事基本上就是個門檻。然後它的強項主要還是在影片的生成，但NVIDIA RTX 5060 Ti 16GB光生成一個640×640解析度的5秒影片少說要花360秒以上，因此多少也讓在下有點不太想用。

雖然這可能取決於模型與生成設定，不過若要毫無顧忌地爽玩個大型影片生成模型，個人感覺GPU的VRAM至少得有32GB以上，才會比較盡興吧(´_ゝ`)

況且在下主要的目的是生成AI圖片的話，說真的，用ComfyUI反倒沒什麼效率，感覺用Stable-Diffusion-WebUI還比較快。也因此，在下索性問了ChatGPT有無支援ANIMA系列的模型，然後又是Stable-Diffusion-WebUI介面的玩意，它便建議在下不妨使用目前仍持續更新中的Forge Neo。

那說到Forge Neo，不愧是仍持續更新的專案，同樣條件下生成SDXL系列的圖片大致上就比無印快了約1-2秒左右。不過在生成ANIMA系列的圖片方面，則會比SDXL系列慢個3-5秒甚至更多。有可能是模型本身所使然吧，在下用ComfyUI跑也是差不多時間就是了。

此外，Forge Neo的開發者最近也因應需求，推出了支援Qwen-Image-2.1的版本。まあ、Qwen-Image-2.1的語言理解能力雖然極其強大，不過目前針對特定動漫人物的LoRA資源還不像SDXL或ANIMA那麼豐富，若想還原特定角色的造型，恐怕得充分利用它強大的自然語言理解能力，透過詳細的Prompt來「催眠」模型才行吧。因此對於講求速成的在下而言，目前還沒實際玩過就是了(ry

再來說說這個一整個月重拾AIイラスト生成的心得。

首先是當前的模型，真的要比以往「聰明」了不少，特別是在生成糟糕色圖方面。就算你提示詞下得不完整，大致上它還是有辦法生成出不錯的東西。此外圖片中突然冒出另外一個頭或分身的機率也降低了不少。手指、腳趾的部分，six fingers或six toes的情況雖然時有所見，但還是可以透過「抽卡」的方式來改善。當然，要生成滿意的圖片，最花時間的也是這個部分，特別是當畫面中有2個以上的人物，而且每個人的手指與腳趾都必須清楚呈現時，還是有機會抽卡抽到死還是抽不到XD

もちろん、真的都沒辦法的話，還是可以請ChatGPT、Grok或Gemini來幫你修，只不過稍微露骨一點的圖，可能就要靠點運氣了，被果斷拒絕乃是家常便飯。通常在下都是萬中選一挑張miss最少的，然後自己用Photoshop來修這樣子。

再來就是提示詞，這也是個人這次最大的收穫，尤其是「鏡頭角度」與「人物姿勢」的部分。

可能是以前在下太懶了，總是一味複製貼上，從來不曾動腦去思考，明明就加了這個鏡頭角度的提示詞，但想要呈現的畫面與實際輸出的內容卻往往大相逕庭。後來才知道，有問題的並非提示詞本身，而是應從提示詞是否有必要存在，以及與其他提示詞之間有沒有衝突的方向來改善。

就譬如在下想呈現一個女孩的背影，通常我們鏡頭會用from behind，但實際輸出時，女孩總是會回頭，甚至依然是正面照，原因何在？

問題就在於，其他提示詞當中，是否出現了與女孩正面有關提示詞罷了。

譬如brown eyes、blush、light smile等，這些原本必須從正面才能看到的特徵，一旦與from behind同時存在，模型就有可能為了滿足所有提示詞，擅自讓女孩回頭，甚至直接生成正面照。換言之，並不是from behind這個提示詞沒有效果，而是自己下的其他提示詞正在互相扯後腿罷了。此外，你還要記得加上只有從女孩背面才看得到的特徵，如ass之類的。
一ノ瀬ちづる
同理，當你設定的鏡頭是upper body，但提示詞卻出現女孩的legs、feet、toes，想當然你可能還是只會看到full body。即使圖片尺寸設定為原生尺寸如1216×832，還是有可能因為塞不下下半身，模型乾脆直接給你生出2個人來。這個邏輯在下一直以來都沒去認真思考，現在想想，真的是太該死了(跪

另外一個收穫就是，當一張圖片有3個以上的人物存在時，你要怎麼透過提示詞去讓每個人穿著與姿勢，是你所設定的？這個問題亦是困擾了在下許久。如果僅只有2個人的話，我們還是可以透過抽卡的機制來抽到想要的，但3個人以上的話，即便LoRA的影響再強，髮型不對，眼睛顏色不對，衣服穿著亂跳的情形更難以掌握。

就像在下想讓《美少女戦士セーラームーン》中較喜愛的3位角色同框，提示詞是怎麼改怎麼崩壞Orz

後來在Claude的建議之下，在下找到了SD Forge Attention Couple，這玩意兒的缺點就是會讓生成圖片的速度延遲個5-8秒，但整體來說確實是有效果的。然而以Stable Diffusion的能力而言，終究有其極限。在下測試了上百張圖，能穩定輸出的至多也就3人左右，4人同框的話還是需要一點運氣。

5人以上的話，可能ComfyUI會比較有辦法也說不定吧。

關於提示詞內容的部分，特別是生成人物方面，在下在網路上有找到不錯的Google sheet，有興趣的人不妨參考看看。いろんな意味で個人是受益良多(謎

もちろん你也可以問AI，但真心不建議你問Claude。它的防禦機制實在太過敏感，即使只是普通的二次元一般向圖片，提示詞中也沒有任何露骨或不適當的內容，它還是有可能因為原作角色的年齡設定而拒絕回答喔。就如上面的《美少女戦士セーラームーン》這張圖，在下明明只是請它幫忙整理一下Prompt當中重複出現的choker、brooch、jewelry等提示詞，連pantyshot這種輕微擦邊球的提示詞還都沒想到要寫，這傢伙居然二話不說就拒絕回答了(ノ｀Д´)ノ︵ ┻━┻

馬的，我根本還沒上車啊XD

まあ、總而言之，最近在下班有空的時候都是在玩AIイラスト。畢竟目前在Civitai上的LoRA實在是太豐富了，然後不斷嘗試一些高難度的動作以及鏡頭事實上還蠻有趣的，也許還會持續好一陣子吧。

ではでは。