用于测试基于z-image base/turbo bf16训练的人物lokr/lora。
后缀为zi代表基于z-image base训练，zit则代表基于turbo训练，zi在base与turbo模型中均可使用，zit则只能在turbo中使用。
z-image base训练尚无较为通用的可行方案，目前本zi系列选择的方案是全秩lokr，可在与turbo模型配合使用时以权重1.0出图，也能适当增加权重以增强相似性，最好不要超过1.5。
而在与base模型或相关微调模型配合使用时，可适当降低权重。
基于base训练的zi lokr在turbo模型中使用时，质感会更接近turbo本身（应该是base模型本身难以训练也就难以被"污染"的缘故），中远景图中的人物相似度也会比zit好一些，近景则更"平淡"。
但总体来说兼容性存疑，比如解剖学问题仍然大量存在（在base模型上生图就存在类似问题，也影响到了训练，会让肢体问题重新变得不稳定又棘手），其他类似的问题都还在测试中，后续有更好的方案会继续更新，比如官方专门的训练器发布后。
示例图生图参数设定：
bf16原模型；8步；er_sde + sgm_uniform | euler + flowmatch；cfg=1；lora权重0.5~1.5；分辨率1080*1440；中文提示词；无其他lora参与。
鉴于z-image turbo模型本身就能通过人名提示词直出某些真实人物，因此本系列lora训练中也添加了人物本名作为触发词，生图时需输入触发词才能准确画出对应人物。（有些人物在base模型中是无法直出的，但在turbo模型中是可以的，要注意甄别）
如果原模型触发词已被占用，则使用其他特定触发词，特定触发词会包含在示例图的水印中（通常以girlslikezi for xxx形式出现，xxx即为触发词），有水印的示例图就代表需要使用特定触发词而非本名。
（许多真实人物的图片应该已经在z-image的模型数据集中了，只是权重没有个别人物那么高，为了避免人物概念的混淆，也只好添加触发词来规避或加强生成）
z-image turbo的一些注意事项：
4步就初步可用，10步以上没有明显收益
多样性生图可使用双采样器，第一步采样时调度器改为ddim可以得到不错的效果
同样可以使用ModelSamplingAuraFlow节点设定shift值来更改出图效果，3-10之间均可，shift=3时与原图一致
0.7<cfg<1时会放大z-image本身的质感优势，3>cfg>1时会更准确但画风会更“AI"，两者均会增加生成时间
基于turbo训练的lora多兼容性不太好，用base训练的lora兼容性会好一些，但尚无定论
示例图片一如既往包含工作流，zi示例图lora强度为1.0，zit示例图lora强度为0.9，均由z-image turbo bf16模型生成。
GirlsLike-Zit 图片展示
girlslikezi_sml
girlslikezi_ayx
girlslikezi_jjy
girlslikezi_zxd
girlslikezi_zyx
girlslikezi_ly
girlslikezi_xjq
girlslikezi_szn
girlslikezi_zs
girlslikezi_wys
girlslikezi_lq
girlslikezi_fbb
girlslikezi_lyt
girlslikezi_gyj
girlslikezi_khw
girlslikezi_keb
girlslikezi_lyer
girlslikezi_lss
girlslikezi_chg
girlslikezi_jpy
girlslikezi_ycy
girlslikezit_ycy
girlslikezi_wcr
girlslikezit_wcr
girlslikezi_gxt
girlslikezit_gxt
girlslikezi_szer
girlslikezit_szer
girlslikezi_zjn
girlslikezit_zjn
girlslikezi_tly
girlslikezit_tly
girlslikezi_hnkz
girlslikezit_hnkz
girlslikezi_jt
girlslikezit_jt
girlslikezi_ty
girlslikezit_ty
girlslikezi_bl
girlslikezit_bl
girlslikezi_syn
girlslikezit_syn
girlslikezi_zjy
girlslikezit_zjy
girlslikezi_lyf
girlslikezit_lyf
girlslikezi_cdl
girlslikezit_cdl
