本周团队工作：本周我们团队完成了故事生成图片接口的设计，即进行prompt tuning,限定故事生成的格式，并将DeepSeek生成的故事以JSON格式传输到服务器接口，SD生成后传回到移动端。此外，我们还基于DeepSeek完成了谐音梗功能的开发，并对部分功能界面进行了优化。

一、谐音梗功能开发

1. 此功能的实现调用了DeepSeek API，并设计了定向prompt，限制了DeepSeek的输出，最大限度的生成与功能相符合的内容。定向prompt如下：

onClick = {
                    if (selectedWords.value.isNotEmpty()) {
                        val prompt = if (selectedWords.value.size == 1) {
                            "角色:你是一个幽默的语言大师，能够根据用户提供的英文单词，输出谐音梗，中英结合 \n" +
                                    "\n" +
                                    "要求 \n" +
                                    "1. 描述要详细、准确，充分展现单词意思。 \n" +
                                    "2. 语言生动、有趣，富有表现力。 \n" +
                                    "3. 输出中英文结合！ \n" +
                                    "\n" +
                                    "限制 \n" +
                                    "1.不添加无关内容。你只需要回答谐音梗就行了，其他的东西一个字也不要说\n " +
                                    "如果你准备好了，请回答：\n"+
                                    "${selectedWords.value.first()}"
                        }
                        else {
                            "角色:你是一个幽默的语言大师，能够根据用户提供的英文单词，输出谐音梗，中英结合 \n" +
                                    "\n" +
                                    "要求 \n" +
                                    "1. 描述要详细、准确，充分展现单词意思。 \n" +
                                    "2. 语言生动、有趣，富有表现力。 \n" +
                                    "3. 输出中英文结合！ \n" +
                                    "\n" +
                                    "限制 \n" +
                                    "1.不添加无关内容。你只需要回答故事就行了，其他的东西一个字也不要说\n " +
                                    "如果你准备好了，请回答"+
                                    "${selectedWords.value.joinToString("、")}"
 
                        }
                        viewModel.sendPrompt(prompt)
 
                        selectedWords.value = emptySet() // 查询后清空选择
                    }
                },
                modifier = Modifier.weight(1f).padding(start = 4.dp),
                enabled = selectedWords.value.isNotEmpty() && !viewModel.uiState.isLoading
            ) {
                Text("查询")
            }
        }

2. 实现效果如下：

 

二、故事生成图片接口设计

1. 我们将漫画生成的服务器接口部署暴露 ，将故事格式化后传递到服务器接口，Stable Diffusion利用这个故事来生成漫画，并且返回到客户端。

2.技术栈选择：客户端: Kotlin (Android)、网络库: OkHttp 4.x 、JSON处理: Kotlinx Serialization
异步处理: Kotlin Coroutines

3.数据流处理：用户输入文本提示->应用预处理文本->构造网络请求->发送到AI服务器->接收并处理响应->返回结果给UI层

4. 核心实现细节

PromptData 数据类：

/**
 * 图片生成请求数据模型
 * @property positive 正向提示词，描述期望生成的内容
 * @property negative 负向提示词，描述不希望出现的内容特征
 */
@Serializable
data class PromptData(
    @SerialName("positive") 
    val positive: String,
    
    @SerialName("negative") 
    val negative: String = DEFAULT_NEGATIVE_PROMPT
) {
    companion object {
        const val DEFAULT_NEGATIVE_PROMPT = """
            lowers, bad anatomy, bad hands, error, missing fingers, 
            extra digit, fewer digits, cropped, worst quality, 
            low quality, normal quality, jpeg artifacts, signature, 
            watermark, username, blurry, bad feet
        """
    }
}

网络请求实现：

/**
 * 发送生成请求到AI服务器
 * @param positiveText 用户输入的正向提示文本
 * @return 服务器响应字符串，失败返回null
 * 
 * 实现细节:
 * - 使用IO调度器执行网络请求
 * - 超时设置为30秒
 * - 添加详细的错误日志
 * - 支持取消操作
 */
suspend fun postToGenerateEndpoint(positiveText: String): String? = 
    withContext(Dispatchers.IO) {
        try {
            // 1. 预处理输入文本
            val processedText = extract4komaScenes(positiveText)
            
            // 2. 构造请求数据
            val requestData = PromptData(
                positive = processedText,
                negative = PromptData.DEFAULT_NEGATIVE_PROMPT
            )
            
            // 3. 序列化为JSON
            val jsonBody = Json.encodeToString(requestData)
                .also { Log.v("Network", "Request JSON: $it") }
            
            // 4. 配置HTTP客户端
            val client = OkHttpClient.Builder()
                .connectTimeout(30, TimeUnit.SECONDS)
                .readTimeout(30, TimeUnit.SECONDS)
                .writeTimeout(30, TimeUnit.SECONDS)
                .build()
            
            // 5. 构造请求
            val request = Request.Builder()
                .url(GENERATION_ENDPOINT)
                .post(jsonBody.toRequestBody(JSON_MEDIA_TYPE))
                .addHeader("Content-Type", "application/json")
                .addHeader("Accept", "application/json")
                .build()
            
            // 6. 执行请求
            client.newCall(request).execute().use { response ->
                if (!response.isSuccessful) {
                    Log.e("Network", 
                        "Request failed: ${response.code} - ${response.message}")
                    return@withContext null
                }
                
                return@withContext response.body?.string().also {
                    Log.v("Network", "Response: ${it?.take(100)}...")
                }
            }
        } catch (e: CancellationException) {
            Log.w("Network", "Request cancelled", e)
            throw e
        } catch (e: IOException) {
            Log.e("Network", "Network error", e)
            null
        } catch (e: Exception) {
            Log.e("Network", "Unexpected error", e)
            null
        }
    }

private const val GENERATION_ENDPOINT = "http://10.27.245.63:8001/generate"
private val JSON_MEDIA_TYPE = "application/json".toMediaType()

点击sendR按钮，数据传输到服务器，用于生成漫画：

 5. 实现效果：

三、LoRA训练之角色一致性

1. 选择LORA微调的原因：

（1）效率优势：我们团队使用的都是消费级显卡，最好的也不过30系列，如果使用全参数微调，对显存的要求太高，完全承担不起。使用LoRA方法训练模型，显存占用大幅降低（r=8时需要显存约6G），可在30系列GPU上训练。

（2）表现优势：LoRA方法虽然是对原始方法的拟合，但在某些场景，如角色一致性上反而表现的更好、更灵活。LoRA训练时可以通过低秩更新专注于角色相关的语义空间（体态、服饰、性格等），能更精准地约束生成内容，减少角色特征漂移。并且不同角色的LoRA适配器可独立训练并动态加载，方便随时切换，无需重新加载整个模型。

2. 数据集预处理：

收集角色图片->裁剪统一尺寸->为图片打标签

3. 训练模型：

设置好训练集路径、桶分辨率、触发词、迭代次数等参数后点击运行，等待即可。

经过初步训练后，角色同框下依旧保持了良好的角色一致性，但偶尔会导致图像质量下降，还会出现角色特征混淆，但概率不高。

技术细节详见山东大学创新项目实训（4）AIGC架构设计、LoRA训练模型搭建与可视化故事板层构想-CSDN博客

山东大学创新项目实训（6）LoRA训练之角色一致性-CSDN博客 

四、部分界面优化

从第九周开始，我们团队成员开始逐步对前端界面进行优化，以提供更友好的用户界面，部分效果图如下：