作者：老无谈藏书票

模型使用说明：

1.在提示词中需要说明”黑白木刻“，对应的英文提示是”woodcut print,black and white“等字样。

2.生成提示词后，使用”提示词优化“的选项，生图效果更好。

3.一般一次生成 4 张，就能挑选出满意的作品。

4.如果效果不好，可以调整提示词，目前个人试验，各类场景（神话、日常生活、风景、动物等）都能达到较好效果。

炼丹过程

此版本为针对黑白木刻风格进行 Lora 微调的第三代模型，相较于初代版本，在细节刻画与泛化能力上均有显著提升。

在第一版模型的开发中，我们以试验性的心态起步。然而，初版模型由于训练数据有限，效果未能达到预期。在第二版中，我们扩充了数据集，却因图片风格差异过大，导致训练效果不佳。分析原因后，我们推测是训练数据的多样性与质量未能达到要求。于是，我们对数据集进行了优化，剔除了质量欠佳的图片，并增添了风格相近但细节更丰富的图片。同时，我们将前代模型生成的部分优质图片融入数据集中，进一步丰富了训练素材。

在数据准备过程中，我们深刻认识到图片标签的重要性。早期版本中，由于部分标签由智能工具自动生成，存在诸多错误，导致模型训练出现偏差。例如，一张图片中狗趴在树上，智能标签却未能准确识别，将狗误判为树干的一部分。为此，我们对每张图片的标签进行了细致的手动调整，确保标签的准确性，从而大幅提升了模型训练效果。

在模型训练完成后，我们发现提示词对生图效果有着关键性的影响。我们通常先利用 Deepseek 生成初步提示词，再结合魔塔的提示词优化功能进行调整，一般经过两轮优化即可获得较为理想的效果。

尽管当前版本已具备一定的实用性，但仍存在较大的提升空间。未来的工作方向包括：

1. 拓展训练数据：在保持风格一致的前提下，纳入更多样化的图片，覆盖更广泛的场景。
2. 精细化标签：在标签中融入版画技法信息，如圆刀、三角刀、平刀等，使模型能够学习技法细节。
3. 风格融合创新：尝试引入不同风格的数据，探索创新风格的可能性。
4. 模型参数优化：对模型训练的具体参数进行更细致的调整，以进一步提升模型性能。
5. 底座模型替换：尝试更换其他底座模型，评估其对生成效果的影响。