Mizuki Shiranui 多模型适配 LoRA：ANIMA/NoobAI/PonyXL/SD1.5 全支持
Mizuki Shiranui 角色 LoRA 适配 ANIMA、NoobAI Illustrious、PonyXL 与 SD1.5 四类基底，作者公开了各基底的推荐参数。本文整理其服装标签分支、negative 设置与权重调节思路，方便在 ComfyUI 工作流中做角色一致性与多服装切换测试，并对比不同 Checkpoint 的生成效果。适合角色立绘、半身像与设定图创作，可作为跨基底效果对比的参考素材。
查看原文 →内容为平台聚合整理，原文与最新动态以来源页面为准。
扫码进学习交流群
加专属老师微信图文介绍
模型定位：Mizuri Shiranui（mizuki shiranui）是一款角色向 LoRA，当前已适配 ANIMA、Pony、NoobAI-XL（Illustrious 系）与 SD1.5 四类基底模型，可用于在 ComfyUI 等流程中稳定复现同一角色的形象与服装变化。模型作者同时公开了各基底的推荐设置，便于按需微调。
核心功能亮点
- 多基底兼容：同一份 LoRA 可在 PonyXL、NoobAI-XL、Illustrious 混合模型与 SD1.5 上加载，减少跨基底重训成本。
- 服装分支清晰：主标签覆盖 Taimanin outfit（thong leotard、bare shoulders、elbow gloves、gauntlets、thigh boots）；休闲向提供 china dress、kimono、hair ornament 等；内衣向提供 cupless bra、garter belt、black thighhighs。
- 外观可控：基础特征为 mature female、red eyes、brown hair、hair between eyes；若不需要 fake animal ears 与 black ribbon，可将二者写入 negative 以规避偶发误出。
适用场景
适合角色立绘与半身像创作、多服装切换的角色设定图、以及 ComfyUI 工作流中的角色一致性测试。也可作为不同 Checkpoint 之间效果对比的参考素材。
上手提示
- PonyXL：提示词前置质量标签 score_9, score_8_up, score_7_up, score_6_up, uncensored；建议 negative 使用 dutch angle, censored, watermark, jpeg artifacts, muscular female。
- NoobAI-XL：V-pred 与 Epsilon 需区分使用——V-pred 可参考 Cyberfix，纯 NoobAI-XL V-pred 同样可用；Illustrious 混合模型与 NoobAI-XL Epsilon 系混合模型建议搭配 NoobAI-XL Epsilon。
- ANIMA：参数设置请参考作者公开的 Anima 生成指南。
- SD1.5：正向加入 masterpiece, high quality，negative 使用 worst quality, low quality。
- 建议先以较低权重测试角色还原度，再逐步调整服装标签与采样参数；作者欢迎使用者反馈并分享生成效果。
作者/来源：Enigmata
常见问题
目前适配 ANIMA、PonyXL、NoobAI-XL（Illustrious 系）与 SD1.5 四类基底，同一份 LoRA 文件即可在不同基底上加载，减少跨基底重新训练的成本。建议先确认所用 Checkpoint 属于哪一类，再按对应参数调整。
两者需要区分使用。V-pred 版本可参考 Cyberfix 的设置，纯 NoobAI-XL V-pred 同样可用；如果使用的是 Illustrious 混合模型或 NoobAI-XL Epsilon 系混合模型，建议搭配 NoobAI-XL Epsilon 版本，避免预测方式与基底不匹配导致出图发灰或结构异常。
正向提示词可前置 score_9, score_8_up, score_7_up, score_6_up, uncensored；negative 建议加入 dutch angle, censored, watermark, jpeg artifacts, muscular female，以减少构图倾斜、水印残留与体型偏离等常见问题。
这两个特征并非每次都需要，可将 fake animal ears 与 black ribbon 写入 negative 提示词中规避偶发误出。如果确实需要该外观，则保留在正向提示词，并根据出图结果微调权重。
建议先用较低权重加载 LoRA，确认角色基础特征（mature female、red eyes、brown hair、hair between eyes）是否稳定，再逐步提高权重并叠加服装标签，如 Taimanin outfit 分支或 china dress、kimono 等休闲向分支，同时配合采样参数调整，逐项对比后再固定配置。