今回は、LORAの学習を行う際、反復回数を14に減らして実施しました。重み1がうまく機能するかどうかは、まだ分かりません。とりあえず、試しに重みを1に設定してみます。
声：菅原祥子
本作のヒロイン。部活は野球部かサッカー部のマネージャー（ドラマシリーズとラジオドラマではサッカー部に固定。小説版と『2 Substories』では野球部に固定）。本人によると「運動はするより見るのが好き」。根性をモットーに頑張る努力家。控えめで家庭的な性格で、デートスポットの好き嫌いも少ない。
努力する人を応援しており、ドラシリーズ『虹色の青春』ではレギュラー入りを目指し、努力する主人公を健気に応援している姿がクローズアップされており、彼女の特徴が良く分かるストーリー展開となっている。
ラジオドラマやドラマシリーズでは如月未緒と仲がよく、ドラマシリーズ第3作『旅立ちの詩』ではお互いの趣味が家庭的なものという点が共通する古式ゆかりと友人同士になっている。また、『2』に登場する佐倉楓子とも部活動を通じて知り合った知人同士であり、『2 Substories 〜Leaping School Festival〜』では、きらめき高校野球部のマネージャーとして特別ゲストで登場した。
卒業後は料理の専門学校に進学する。
『対戦ぱずるだま』のエンディングでは、自身が通う料理の専門学校の研修で中国に旅立っている。
主人公を意識しだすと瞬きの際にウィンクをし始めるが、これはPCE版開発当時に両目とも瞬きさせるアニメを完成させられなかったため、苦肉の策としてウィンクさせたためと開発者は語っている。
もともと“ポスト詩織”を目して設定されたキャラクターであると開発者は語っている。過去にゲーム雑誌等で行われた人気投票では詩織を抜いて1位を獲得したことがあり、中には現実世界の西暦に基づく年齢での虹野（2021年時点で42歳）の生活を想像する当時からのファンも存在する。また虹野が劇中で主人公のために作った弁当（虹弁）を考察し再現を試みるファンも存在し、声優の杉田智和は当時弁当を再現して学校に持っていったこともある。
その人気を反映して、ドラマシリーズ第1弾の『虹色の青春』ではメインヒロインを務めている。
声を務めた菅原にとって、ゲームキャラクターを演じるのが本作が初めてであり、掛け声などの短い台詞を収録するものだと教わっていたが、本作においては大量の台本が送られてきて、深夜0時を超えても仕事があるのが今までのゲームとは違うことをTOKYO FMで放送された「TOKYO SPEAKEASY」にゲスト出演した際に述べている。
2021年にふたまん＋編集部が30〜40代の男性200名を対象にした「見た目がかわいいと思うキャラクター」アンケートにおいて3位となった。
Description
Comments (1)
"キャラクターの髪型については苦労しましたが、ChatGPTに頼んで見つけ出すことに成功しました。"
You generally don't need complex tagging for hair, just color and a single tag Illustrious (or whatever model you're training for) recognizes you're OK with overwriting with the character's hairstyle, plus a single tag for each of the accessories (e.g., hair ornament, hair flower, minihat). Using just "blue hair, short hair with long locks" would probably be sufficient here. The exceptions are when a defining attribute of the tag won't be in every piece of training data (e.g., a character has "long hair" but one outfit hides it in a hat, or they get a haircut midstory), or you otherwise want to be able to remove while keeping her normal hair. Other exception is "ahoge" and "antenna hair" (plus a few variants of those two) because the number of hair strands is important to characters with them, and text to image is very bad at counting without reinforcement (also some camera positions will cut them off).
Likewise, you don't actually need to specify breast size unless a particular picture in data is non-standard since training will learn size the same way it will learns face shape and other proportions.