Dark-Scarlett-27B-v2.0究竟是什么?27B无审查角色扮演AI的6大核心特性完整指南
Dark-Scarlett-27B-v2.0究竟是什么?27B无审查角色扮演AI的6大核心特性完整指南
Dark-Scarlett-27B-v2.0 是一款基于 Qwen 27B 底座、经 LoRA 微调的无审查角色扮演 AI 大模型,专为沉浸式文字互动与角色对话(Roleplay)而生。它不回避成人向话题、支持群聊场景、输出格式干净稳定,适合部署在 SillyTavern 等本地对话框架中,成为你的"专属 AI 角色"。
⚠️ 内容提示:该模型可生成成人向(18+)内容,仅限成年用户个人用途。使用前请确认自己已年满 18 周岁,并自行承担生成内容的全部责任(详见 LICENSE.txt)。
一、Dark-Scarlett-27B-v2.0 简介:它是怎么来的?
从 README.md 的元信息可以看到,该模型的关系标注为 base_model_relation: finetune,即以开源 Qwen 27B 系列(Qwen/Qwen3.8-27B)为底座进行微调。训练采用 LoRA(低秩适配) 方式:
| 训练配置 | 数值 |
|---|---|
| 训练方式 | LoRA(仅训练文本层) |
| LoRA Rank | 128 |
| Epochs | 1.25 |
| 训练数据 | 12,211 条专属角色扮演提示 |
| 合并比例 | Final Merge Scale: 2.0(见 merge_scale_info.txt) |
简单来说:作者没有推倒重来训练一个新模型,而是在强大的 Qwen 底座上"精准注入"了角色扮演行为,既保留了底座的语言与推理能力,又获得了稳定的人设与对话风格。权重文件共拆分为 18 个分片(model-00001-of-00018.safetensors ~ model-00018-of-00018.safetensors),总参数体积约 55.6 GB(bfloat16 精度,见 model.safetensors.index.json)。
二、6大核心特性逐个拆解
特性1:27B 参数规模 + 26 万级长上下文,记忆力拉满 🧠
从 config.json 中可以确认关键架构参数:
max_position_embeddings: 262144—— 支持最长约 26 万 token 的上下文,长篇剧情也能"记得住前文";- 64 层 Transformer、
hidden_size: 5120,并采用"线性注意力 + 全注意力"混合结构(每 4 层插入一层 full attention),在长文本下的计算效率优于纯注意力方案; vocab_size: 248320,配套完整的分词文件 tokenizer.json、vocab.json 与 merges.txt。
对新手而言这意味着:本地跑起来后,可以喂入很长的角色设定(Character Card)和多轮历史,模型不会轻易"断片"。
特性2:完全无审查(Uncensored),对话不设防 🎭
模型标签中包含 uncensored、unaligned、mature、explicit 等关键词(见 README.md 头部 frontmatter)。训练过程中专门做了拒绝回复过滤(Refusal Filtering)——自动检测并剔除了数据集中的拒绝性回答,因此在角色扮演场景中,它不会突然"抽风"出戏或拒绝继续剧情。
这正是它与主流对齐模型最大的区别:你负责设定边界,而不是它来设。
特性3:M→F 固定视角,女性角色演绎更稳定 🎯
官方明确说明:训练数据严格遵循 Male(用户)→ Female(AI) 的视角。也就是说,它最擅长的是让 AI 扮演女性角色,与男性用户互动。
固定视角带来的好处是:
- 人设不容易"漂移",性格、口吻、行为逻辑前后一致;
- 剧情张力与情感反应经过专门的数据集打磨,代入感更强。
如果你的使用场景恰好是"用户扮演男性、AI 扮演女性",这个模型的匹配度会非常高。
特性4:群聊(Group Chat)支持,多角色同场不混乱 👥
许多角色扮演模型在多角色同场时会"串戏"或忘记切换说话人。Dark-Scarlett-27B-v2.0 的训练数据中专门包含了一部分多人群聊(Group Chat)场景,使模型能够:
- 区分不同角色的发言风格;
- 在多人对话中保持各自人设的独立性;
- 维持多轮群聊的上下文连贯。
配合 SillyTavern 的 Group Chat 功能,可以搭建"多角色同场景"的互动玩法。
特性5:Character Engine + Emotional Engine,人设与情绪双引擎 💓
README 中介绍了该模型的合成数据由两个"引擎"驱动:
- Character Engine(角色引擎):保证性格特征、说话方式、行为逻辑在任意上下文下保持一致,角色"不会 OOC(Out of Character)";
- Emotional Engine(情绪引擎):为回复注入动态情绪状态,让角色的反应有起伏、有层次,而不是机械复读。
此外还有自动化的重复表达重写与引号规范化流程,减少"车轱辘话",保证每一轮对话都有新鲜感。
特性6:干净的输出格式,告别乱码与花体符号 🧹
这是很多角色扮演玩家的痛点。该模型在数据层面做了专门的清理:
- 移除了 Em dashes(破折号)、星号(*)、Markdown 格式;
- 剥离了推理标签(reasoning tags)与多余标记;
- 输出以干净的纯文本叙述为主,方便直接在前端展示。
效果就是:聊天框里不会出现 *她轻轻叹了口气* 这类星号包裹的动作描写干扰阅读,整体呈现更清爽、更像"小说正文"。
三、新手调参指南:一键可用的推荐参数
官方推荐的采样参数(Sampler Settings)如下,直接照抄即可获得稳定效果:
| 参数 | 推荐值 | 说明 |
|---|---|---|
| Top-P | 0.92 |
兼顾多样性与质量 |
| Temperature | 1.0 |
保持自然的表达温度 |
| Frequency Penalty | 0 |
不惩罚高频词,利于保持口吻 |
| Presence Penalty | 0 |
同上 |
仓库内的 generation_config.json 也提供了默认生成配置(top_p: 0.95、top_k: 20、temperature: 1.0),作为框架自动加载的兜底值。
💡 思维模式小提示:该模型底座的对话模板(chat_template.jinja)支持 Thinking 机制。在 SillyTavern 中可通过 chat_template_kwargs 开启:
{"enable_thinking": true, "reasoning_effort": "low"}
low 档位推理开销小,适合角色扮演场景在"剧情逻辑"与"响应速度"之间取得平衡。
四、本地部署:如何下载并加载模型
第1步:克隆模型仓库
git clone https://gitcode.com/hf_mirrors/ReadyArt/Dark-Scarlett-27B-v2.0
📦 提示:权重文件通过 Git LFS 管理(参见 .gitattributes),请确保已安装并配置好
git lfs,否则克隆下来的将是几百字节的指针文件而非真实权重。
第2步:了解仓库文件构成
| 文件 | 作用 |
|---|---|
model-00001-of-00018.safetensors ~ model-00018-of-00018.safetensors |
模型权重,共 18 个分片 |
| model.safetensors.index.json | 权重分片索引,加载框架据此拼装完整模型 |
| config.json | 模型架构与超参数配置 |
| generation_config.json | 默认生成参数 |
| chat_template.jinja | 对话模板(含 Thinking 开关逻辑) |
| tokenizer.json / vocab.json / merges.txt | 分词器三件套 |
| crc32.txt | 各文件的 CRC32 校验值,可用于下载完整性校验 |
| LICENSE / LICENSE.txt | 许可证与使用条款 |
第3步:选择推理框架加载
- 显存充足(约 60GB+):使用
transformers/vLLM等直接加载 safetensors 原始权重(bfloat16)。 - 显存有限(约 24GB 左右):官方另提供 GGUF 量化版,常见档位为
Q4_K_M(够用)、Q5_K_M(官方推荐)、Q6_K(高质量)、Q8_0(近无损),可配合llama.cpp/LM Studio/KoboldCpp等工具加载,是新手本地部署角色扮演模型的主流路线。
五、许可证与使用须知 📜
- 模型基于 Apache 2.0 许可构建;
- 使用者需为 18 岁以上成年人;
- 仅限个人、非商业用途,对生成内容承担全部责任;
- 创作者不对模型的实际使用方式负责。
完整条款请阅读 LICENSE.txt。
总结
Dark-Scarlett-27B-v2.0 的核心卖点可以浓缩为一句话:27B 规模、26 万上下文、无审查、专攻"男用户 × 女 AI"视角的沉浸式角色扮演,外加群聊支持与干净的输出格式。如果你有 24GB 级显存(配合 GGUF 量化)并想搭建一个"话痨不断片、人设不崩坏"的本地 AI 角色伴侣,它是目前值得优先考虑的候选之一。