例图的长图基本上是少量提示词低步数直出的；
例图的宽图是高步数加ADtailer。并且加了很多必要的质量控制提示词，尤其是正向的(solo:1.3)和负向的stitching
如果需要高质量，可以配合使用更多的质量提示词、高步数、高清修复、ADtailer、controlnet、局部重绘。
V2的描述{
训练底模：MeinaMixV11。（所以采样算法、参数、负面提示词可以参考MeinaMixV11的建议）
提示词：
1girl,solo,hu tao (genshin impact),twintails,<lora:hutao-000010:0.8>,long sleeves,hat,
通用反向词：
(worst quality,lowquality,comic,sketch,zombie,interlockedfingers,s:1.4),stitching,
如果你需要自定义衣服，首先确认大模型是否包含该衣物，或者同时使用衣服lora。
提示词改为：
1girl,solo,hu tao (genshin impact),twintails,<lora:hutao-000010:0.5>,(自定义衣物:1.5),
反向词：
通用反向词不变，同时根据出图效果，选择希望去掉的原始衣物特征
采样算法和参数：
CFG scale: 7,
Sampler: DPM++ 2M Karras, Steps: 20~40,
Hires upscaler: R-ESRGAN 4x+ Anime6B, Denoising strength:0.4,Hiressteps:15,
}
V1的描述{
模型权重建议设置为0.6。
如果需要更换衣物，可以考虑增加目标衣物提示词的权重。
训练底模：MeinaMixV10。（所以采样算法、参数、负面提示词可以参考MeinaMixV10的建议）
提示词：
hu tao, hu tao defaultcloth,1girl,solo,<lora:hutao:0.6>
反向词：
(worstquality,lowquality:1.4),(interlockedfingers:1.2),monochrome,zombie,
采样算法和参数：
CFG scale: 7,
Sampler: DPM++ 2M Karras, Steps: 25,
Hires upscaler: R-ESRGAN 4x+ Anime6B, Denoising strength: 0.3, Hires steps: 15,