I migrated this project to <a rel="ugc" href="https://civarchive.com/models/2846802/fwaun-tune">Fwaun Tune</a>.<a target="_blank" rel="ugc" href="https://civarchive.com/models/2846802/fwaun-tune">Fwaun Tune</a> に移行しました。<span style="background-color:rgb(26, 27, 30);color:rgb(193, 194, 197);font-family:-apple-system, BlinkMacSystemFont, &quot;Segoe UI&quot;, Roboto, Helvetica, Arial, sans-serif, &quot;Apple Color Emoji&quot;, &quot;Segoe UI Emoji&quot;;font-size:16px">A fine-tuned model specializing in flat color, no lineart, deformed character art.<span style="background-color:rgb(26, 27, 30);color:rgb(193, 194, 197);font-family:-apple-system, BlinkMacSystemFont, &quot;Segoe UI&quot;, Roboto, Helvetica, Arial, sans-serif, &quot;Apple Color Emoji&quot;, &quot;Segoe UI Emoji&quot;;font-size:16px">フラットカラー・主線なし、（ちびというほどではない）デフォルメ画風を学習させたファインチューンモデルです。<hr /><h2 id="how-this-model-was-made-fwaun-tools">How this model was made / このモデルの作り方 — <a target="_blank" rel="ugc" href="https://github.com/fwaunstp/fwaun-tools">fwaun-tools</a></h2>This model was built with an open-source pipeline I develop, <code>fwaun-tools</code>. Sharing the workflow for transparency:<ol><li>Dataset prep — tags and captions are curated with <code>fwaun-tools</code> (manual editing + WD14 tagger + captioning with OpenAI API + Danbooru tags in one surface).</li><li>Training — the base model is trained with <a target="_blank" rel="ugc" href="https://github.com/kohya-ss/musubi-tuner">musubi-tuner</a> on that dataset.</li><li>Diff extraction &amp; merge — <code>fwaun-tools</code> extracts the full fine-tune delta (<code>tuned − base</code>) and transfers it onto a Turbo checkpoint with <code>merge-diff</code>.</li><li>Quantization — the merged checkpoint is quantized to INT8 (+ConvRot) with <code>fwaun-tools</code>.</li></ol><code>fwaun-tools</code> is a personal project — not heavily tested, so bugs are likely — but issues and pull requests are welcome.<hr />このモデルは、自作のオープンソースツール <code>fwaun-tools</code> を使ったパイプラインで制作しています。透明性のためワークフローを公開します:<ol><li>データセット準備 — タグとキャプションを <code>fwaun-tools</code> で整備(手動編集＋WD14タガー＋Open AI API 互換キャプショナー＋Danbooruタグを1画面に統合)。</li><li>学習 — そのデータセットで <a target="_blank" rel="ugc" href="https://github.com/kohya-ss/musubi-tuner">musubi-tuner</a> を使ってベースモデルを学習。</li><li>差分抽出・マージ — <code>fwaun-tools</code> の <code>merge-diff</code> でフルファインチューンの差分(<code>tuned − base</code>)を抽出し、Turbo チェックポイントへ転写。</li><li>量子化 — マージ後のチェックポイントを <code>fwaun-tools</code> で INT8(+ConvRot)に量子化。</li></ol><code>fwaun-tools</code> は個人開発のツールです。テストは十分ではなく不具合の可能性がありますが、イシューやプルリクエストは歓迎します。

Files with SHA256: 36d6c8860d782f5cbab665be769d382dac7e409c5bd1a78163e61f771153596a