Model
.ai
رصد مدل‌های هوش مصنوعی باز

TuTu's Hi Silk Image Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu

8251°
TuTu's Hi Silk Image   Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu
اجرای مدل
پیشنهادها / تبلیغات
ساخته‌شده توسط
zhaotutu
در Civitai
by zhaotutu - TuTu's Hi-Silk Image - Z-Image-Turbo (8D Black Aurora Glossy Black Stockings Over-the-Knee Stockings)
یادداشت‌های سازنده
RunningHub Online Workflow / RunningHub 在线工作流 Ready-to-use workflow (CN): RunningHub model page (Overseas): Fan benefit: use invite code rh-v0990 to claim 1000 RH coins, plus 100 RH coins every daily login. If the coins do not appear automatically, click the avatar in the upper right and bind/activate invite code rh-v0990. 国内站工作流: RH 模型页: 粉丝福利:点击右上角头像 - 邀请码,填入 rh-v0990,可领取 1000 RH 币;每天登录还可领 100 RH 币。若没有自动到账,请在右上角绑定/激活邀请码 rh-v0990。 Created with Tutu AI Workflow Tagged with Tutu Annotator. Trained with Tutu Trainer. This LoRA is part of my Tutu AI workflow. Tutu Annotator is used for intelligent dataset annotation, prompt reverse engineering, subject-aware tag filtering, and cleaner searchable captions. For this Z-Image-Turbo experiment, the dataset was annotated with my Tutu intelligent labeling workflow and trained with Tutu Trainer. This page also connects the model back to the wider Tutu tool ecosystem: Tutu Trainer, Tutu Annotator, model workflows, and my official website. The goal is not only to release models, but to build a reusable production workflow. - Official website: - Tutu Trainer: - Tutu Annotator: - Bilibili: - YouTube: - Telegram: - TikTok: - Reddit: - GitHub: - Email: - QQ: 331506796 TuTu Hi-Silk Image for Z-Image-Turbo This is a Z-Image-Turbo experimental Hi-Silk LoRA for 8D black Aurora glossy over-knee stockings / black thighhigh stockings. It is an experimental version of my Hi-Silk direction for the Z-IMAGE workflow. The effect is already good, and the example images can be used as a reference, but there is still room for improvement. This is the first experimental version, and I may continue optimizing it later. - Base model: Z-Image-Turbo / ZImageTurbo - Type: 8D black Aurora glossy over-knee stockings / black thighhigh stockings - Trigger word: tutujiguanghaisiv1 - Recommended LoRA weight: around 0.7 - Loader: can be loaded with a normal LoRA loader - Workflow: compatible with many Z-IMAGE workflows What this model is good at - Adding 8D black Aurora glossy stocking texture in Z-Image-Turbo workflows. - Improving black over-knee / thighhigh stocking presence. - Working with ordinary LoRA loading methods. - Using Tutu Annotator labels and subject filtering to keep the dataset cleaner. - Serving as an early test for the Hi-Silk direction on Z-IMAGE. Training notes This model was made with carefully selected source material. The dataset was labeled with Tutu Annotator using the Banana 2 / Banana Pro model, then filtered with Tutu's intelligent subject filtering function. The training was completed with Tutu Trainer and the Tutu training workflow. The point of this experiment is to see how the Hi-Silk material direction transfers to Z-Image-Turbo. It is not the final form of the series yet, but it already has a useful effect and is worth testing. Recommended use - Use a normal LoRA loader. - Start with LoRA weight around 0.7. - Try different weights if the effect is too weak or too strong. - In the prompt, write that the character is wearing black over-knee stockings / black thighhigh stockings. - If you want a stronger effect, add the trigger word tutujiguanghaisiv1. - Use it inside Z-IMAGE / Z-Image-Turbo workflows. Prompt keywords Main trigger: tutujiguanghaisiv1 Useful prompt phrases: - black over-knee stockings - black thighhigh stockings - 8D black stockings - Aurora glossy black stockings - glossy black hosiery - wearing black stockings - visible stocking top - fashion portrait If the effect is weak, add tutujiguanghaisiv1 and strengthen the stocking description. If the effect is too strong, lower the LoRA weight before adding many negative prompts. Workflow note My Z-IMAGE workflow is still being supplemented and improved. If you are using my workflow resources, download and test them according to your own environment. Different Z-IMAGE workflows may need different weights and prompt details. Workflow resource: . New users can use invite code rh-v0990 if needed. FAQ Is this a finished final version? No. It is the first experimental version. The effect is already good, but I may continue optimizing it later. Do I have to use the trigger word? You can first write that the character is wearing black over-knee stockings. If you want a stronger effect, add tutujiguanghaisiv1. Which workflow should I use? It is compatible with many Z-IMAGE workflows. My own workflow resources are being expanded, so test with your local workflow and adjust weight as needed. Responsible use - You are fully responsible for any creative work made with this model. - Do not use this model to create or share illegal, harmful, malicious, defamatory, fraudulent, or political content. - If you use this model commercially, please inform me. Thank you. 中文说明 这是 图图嗨丝造相 - Z-Image-Turbo 实验版 LoRA,方向是 8D 黑色极光油亮黑丝长筒袜 / 过膝袜。它是我把嗨丝方向迁移到 Z-IMAGE 工作流里的一个实验版本。 这个版本效果已经不错,可以参考例图,但还有继续提升的空间。它是第一个实验版本,后续我可能会进一步优化。 - 基础模型:Z-Image-Turbo / ZImageTurbo - 类型:8D 黑色极光油亮长筒袜 / 过膝袜 - 触发词:tutujiguanghaisiv1 - 推荐 LoRA 权重:0.7 左右 - 加载方式:正常 LoRA 加载器即可 - 工作流:兼容各种 Z-IMAGE 工作流 这个模型适合什么 - 在 Z-Image-Turbo 工作流中增加 8D 黑色极光油亮丝袜质感。 - 强化黑色长筒袜 / 过膝袜效果。 - 使用普通 LoRA 加载方式即可加载。 - 使用图图打标器和智能主体过滤,让数据集标签更干净。 - 作为嗨丝方向在 Z-IMAGE 上的早期实验版本。 训练说明 这个模型使用了比较理想的源素材。素材用图图打标器进行标注,使用 Banana 2 / Banana Pro 模型辅助打标,并用图图智能主体过滤功能过滤标签。训练使用图图训练器和图图训练工作流完成。 这个实验的重点,是测试嗨丝材质方向在 Z-Image-Turbo 里的迁移效果。它还不是这个系列的最终形态,但已经有不错效果,值得测试。 推荐用法 - 使用正常 LoRA 加载器即可。 - 推荐权重从 0.7 左右开始。 - 效果太弱或太强时,可以尝试不同权重。 - 提示词里写角色穿着黑色长筒袜 / 黑色过膝袜即可。 - 如果想进一步增强效果,可以加入触发词 tutujiguanghaisiv1。 - 放在 Z-IMAGE / Z-Image-Turbo 工作流里使用。 出图关键词 主触发词: tutujiguanghaisiv1 - black over-knee stockings - black thighhigh stockings - 8D black stockings - Aurora glossy black stockings - glossy black hosiery - wearing black stockings - visible stocking top - fashion portrait 如果效果不明显,加入 tutujiguanghaisiv1 并加强黑色长筒袜描述。如果效果太强,先降低 LoRA 权重,不要一开始就堆很多负面词。 工作流说明 我的 Z-IMAGE 工作流还在补充和完善中。如果使用我的工作流资源,请根据自己的环境下载和测试。不同 Z-IM
کلمات محرک
tutujiguanghaisiv1
2,098 دانلود · 249 لایک در Civitai
SHA256
1951BD138FE98E6BD4DEFB97415A38B5E8868A94ABE84F8BC96DB6B1637411CC
Ranking badge
Updated Oct 22, 2026
TuTu's Hi Silk Image Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu در ModelTrends.ai: #399 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #17 Hottest Zimage model · #15 Hottest Zimage LoRA
Not this creator?
روند محبوبیت TuTu's Hi Silk Image Z Image Turbo (8D Black Aurora Glossy Black Stockings Over the Knee Stockings)/图图的嗨丝造相 Z Image Tu
امتیاز حرارتی از 29 Nov 2025
امتیاز داغی
8,251°
این هفته
▼
0.1%
8,253° آن زمان، 8,251° الان
این ماه
▼
0.5%
8,259° آن زمان، 8,251° الان
سال گذشته
n/a
هنوز منتشر/ردیابی نشده
TuTu's Hi Silk Image Z Image Turbo (8D Black Au…: امتیاز حرارتی از 29 Nov 20257,000°7,391°7,782°8,173°8,565°Nov 2025Jan 2026Apr 2026Jun 2026Aug 2026Oct 20268,251°ModelTrends.ai
7,000°
کف
مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.
+1,009°
دانلودهای Civitai
2,098 دانلود از همین نسخه دقیق در Civitai. دانلودها سنگین‌ترین عامل هستند و در مقیاس لگاریتمی شمارش می‌شوند: ده برابر دانلود همان 300° را اضافه می‌کند، بنابراین مدلی با یک میلیون دانلود هزار برابر داغ‌تر از مدلی با هزار دانلود نیست. شش منبع دانلود آن یک عبارت را به نسبت تعدادشان تقسیم می‌کنند.
+360°
لایک‌ها
249 لایک و تایید در منابع مختلف. هر لایک نصف یک دانلود وزن دارد، روی همان مقیاس لگاریتمی.
+28°
نرخ پذیرش
حدود 1 دانلود در روز، اندازه‌گیری شده بین دو خوانش از منابع، هرگز حدس زده نشده از میانگین عمر. سرعت یک چهارم عامل دانلود وزن دارد، پس یک جهش تازه نشان داده می‌شود بدون اینکه یک جهش یک روزه بالاتر از سال‌ها استفاده قرار بگیرد.
−146°
سن
−146° چون وزن‌های Zimage در 2025 منتشر شده‌اند. هر مدل سن وزن‌هایی که روی آن ساخته شده را به ارث می‌برد: 150° در سال، تا 750°، و تا آن زمان ادامه دارد. بدون این، بالای فهرست فقط نقاط بازگشت 2022 و 2023 بود که به خاطر دانلودهایی که سال‌ها جمع شده‌اند قوی بودند.
نمایش جزئیات
هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 8,251° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه می‌کند، جایزه برای نوع مدل و چیزی که سن وزن‌ها کم می‌کند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف می‌کند.
  1. 1
    از کف شروع کن.
    چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.
    7,000°
    جمع جاری
  2. 2
    دانلودها را اضافه کن.
    2,098 معادل دانلود در کل، از دانلودهای Civitai. ده برابر کردن دانلودها همان 300° را اضافه می‌کند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.
    +1,009°
    8,009°
    جمع جاری
  3. 3
    لایک‌ها را اضافه کن.
    249 لایک و تایید، با نیمی از وزن یک دانلود.
    +360°
    8,369°
    جمع جاری
  4. 4
    نرخ پذیرش را اضافه کن.
    حدود 1 دانلود در روز همین الان، اندازه‌گیری شده بین دو خوانش، با یک چهارم وزن.
    +28°
    8,397°
    جمع جاری
  5. 5
    سن را حذف کن.
    وزن‌های Zimage در 2025 منتشر شدند: 150° در سال، تا 750°، تا آن زمان رشد می‌کنند.
    −146°
    8,251°
    جمع جاری
  6. =
    امتیاز حرارت.
    جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.
    8,251°
واژه‌نامه: اصطلاحات استفاده شده اینجا
امتیاز حرارت
یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شده‌اند و هیچ چیز دیگری.
کف
7,000° که هر مدل با داده واقعی از آن شروع می‌کند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
معادل‌های دانلود
هر چیزی که امتیاز به عنوان دانلود حساب می‌کند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
مقیاس لگاریتمی
شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه می‌کند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
لایک‌ها
تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
نرخ پذیرش
چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
اندازه‌گیری شده و تخمینی
اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
سیدر
کسی که یک نسخه از وزن‌ها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را می‌کند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
AI Horde
یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید می‌کند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
سایت‌های تولید
سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آن‌ها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
توکن‌های OpenRouter
یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
مدل کامل (چک‌پوینت)
خود وزن‌ها، فایلی که به تنهایی تولید می‌کند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
LoRA و امبدینگ
فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
خانواده و وزن‌ها
پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
سن
درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
تقویت خانواده
یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
امتیاز جایگزین
یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
جدید! (دوره گذار)
مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریع‌تر از هر چیز دیگری رشد می‌کند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
روند
رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریع‌تر از معمول یعنی افزایش، کندتر یعنی کاهش.
مدل معمولی
وسط فهرست: نصف مدل‌ها با عددی که دارند سریع‌تر رشد کردند و نصف کندتر.
چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.
رندرهای نمونه
پرامپت‌ها و تنظیماتی که سازندگان این رندرها در Civitai به اشتراک گذاشته‌اند. یک رندر را انتخاب کنید تا ببینید چگونه ساخته شده.
پرامپتی با این رندر به اشتراک گذاشته نشده است.
پرامپتی با این رندر به اشتراک گذاشته نشده است.
تنظیمات
اندازه
1536x2688
پرامپت
workflow embedded
پرامپتی با این رندر به اشتراک گذاشته نشده است.
تنظیمات
اندازه
1536x2688
پرامپت
workflow embedded
پرامپتی با این رندر به اشتراک گذاشته نشده است.
پرامپتی با این رندر به اشتراک گذاشته نشده است.
پرامپتی با این رندر به اشتراک گذاشته نشده است.
اجرای محلی
Tutu's half-leg aurora black stockings_Zimg_V1.safetensors
162 MB · SafeTensor
دانلودها توسط Civitai ارائه می‌شوند. برخی سازندگان ابتدا ورود به Civitai را می‌خواهند.