AWPortraitCN：专门针对中国人长相特征及审美进行了优化的FLUX LoRA模型

AWPortraitCN 是由 DynamicWang 基于FLUX.1-dev模型开发的一款LoRA模型，专门针对中国人长相特征及审美进行了优化。该模型使用了包含室内、室外人像、时尚、棚拍写真等多类型的数据集进行训练，具有较强的泛化能力，能够生成符合中国人审美标准的高质量人像图像。

• 模型地址：https://huggingface.co/Shakker-Labs/AWPortraitCN
• liblibAI地址：https://www.liblib.art/modelinfo/87f4437c20544be7815b16e305326f21

主要特点

• 更细腻且真实的肤质表现：相较于原始版的Flux模型，AWPortraitCN在肤质的表现上更加细腻和真实。它能够更好地捕捉皮肤的质感、光影效果以及细微的表情变化，使得生成的人像看起来更加自然和逼真。
• 丰富的场景适应性：AWPortraitCN的训练数据涵盖了多种场景，包括室内、室外、时尚拍摄、棚拍写真等，因此它可以生成不同风格和背景的人像图像，适用于各种应用场景，如广告、社交媒体、个人写真等。
• LoRA建议权重：为了获得最佳效果，建议使用LoRA权重0.9到1.0之间的值。这个范围内的权重可以平衡模型的泛化能力和细节表现，确保生成的图像既保持自然又不失细节。
• 搭配AWPortraitSR工作流：为了追求更真实的生图效果，建议搭配 AWPortraitSR 工作流使用。目前AWPortraitSR工作流尚未正式释出。

优点与不足

优点

• 符合中国人审美：AWPortraitCN的训练数据集专门针对中国人的长相特征和审美标准，生成的图像更加符合中国用户的期望。
• 细腻的肤质表现：相比于其他模型，AWPortraitCN在肤质的表现上更加细腻和真实，能够更好地捕捉皮肤的质感和光影效果。
• 多场景适应性：模型能够生成不同场景下的人像图像，适用于多种应用场合。

不足

• 手部问题未改善：尽管AWPortraitCN在人像的整体表现上有所提升，但在手部的生成上仍然存在一些问题，如手指形态不自然或细节缺失。这是当前许多AI生成模型面临的共同挑战。

• 人物体型偏瘦：生成的人物形象普遍较为干瘦，身材偏向网红风格。这可能不符合所有用户的审美需求，尤其是那些希望生成更多样化体型的用户。