🐰 关注公众号「白兔AI」
扫码关注公众号，获取更多AI绘画教程和提示词
✨ 白兔去水印小程序
免费去水印工具，一键去除图片/视频水印
什么是LoRA模型？
LoRA（Low-Rank Adaptation）是一种轻量级的模型微调技术。在Stable Diffusion中，LoRA模型可以在不修改原始大模型的情况下，为图像生成添加特定的风格、角色或概念。
与完整的大模型（checkpoint）相比，LoRA模型文件体积小（通常10-200MB）、加载快速、可以灵活切换和组合。你可以同时使用多个LoRA模型来实现丰富的风格效果。
LoRA模型的应用场景非常广泛：特定艺术风格、特定角色、特定服装或物品、特定摄影风格、以及特定场景或氛围。
LoRA模型的下载
CivitAI是目前最大的LoRA模型分享社区，提供数以万计的高质量LoRA模型。
在CivitAI上搜索和选择LoRA模型时，需要注意以下几点：模型版本兼容性、模型质量（查看下载量、评分和用户反馈）、触发词（大多数LoRA模型都有特定的触发词）。
下载后的LoRA模型文件（.safetensors格式）需要放入 stable-diffusion-webui/models/Lora/ 目录。
LoRA模型的使用方法
在WebUI中使用LoRA模型非常简单。在txt2img或img2img页面的提示词输入框下方，有一个LoRA选项卡。
使用步骤：在列表中选择你想要使用的LoRA模型；设置LoRA的权重值（通常0.5-1.0）；LoRA的触发词会自动添加到提示词中；点击Generate生成图像。
LoRA权重值的含义：0.1-0.3（轻微影响）、0.4-0.6（中等影响）、0.7-1.0（强烈影响）、1.0以上（过强影响，可能导致图像质量下降）。
大多数LoRA模型的最佳权重在0.6-0.8之间。
常见LoRA类型与推荐
画风LoRA：这类LoRA改变图像的整体艺术风格。推荐：Watercolor LoRA、Ink Painting LoRA、Pixel Art LoRA、Anime Style LoRA。
角色LoRA：这类LoRA让AI生成特定角色的图像。使用时需要配合角色描述的提示词。
服装LoRA：这类LoRA添加特定的服装或饰品。例如汉服LoRA、JK制服LoRA、婚纱LoRA等。
摄影风格LoRA：这类LoRA模拟特定的摄影效果。例如胶片摄影LoRA、柔焦LoRA、HDR LoRA等。
细节增强LoRA：这类LoRA提升图像的某些细节质量。例如手部修复LoRA、面部增强LoRA等。
多LoRA组合使用
Stable Diffusion支持同时使用多个LoRA模型，这让你可以组合不同的效果来创造独特的视觉风格。
组合策略：风格加角色、风格加细节、多风格混合。
权重分配原则：当使用多个LoRA时，每个LoRA的权重应该相应降低。同时使用两个LoRA时每个可设为0.5-0.6；使用三个时每个可设为0.4-0.5。总权重建议控制在1.5以下。
需要注意的是，某些LoRA之间可能存在冲突。建议在组合使用时观察效果。
LoRA与基础模型的搭配
LoRA模型的效果受基础模型（checkpoint）的影响很大。不同的基础模型与同一个LoRA搭配，可能产生截然不同的效果。
SD 1.5 LoRA只能与SD 1.5基础模型搭配使用，SDXL LoRA只能与SDXL基础模型搭配。这是最重要的兼容性规则。
写实类LoRA建议搭配写实类基础模型；动漫类LoRA建议搭配动漫类基础模型。
建议为每个常用的LoRA记录最佳的搭配基础模型和权重值。
LoRA的触发词使用
大多数LoRA模型都有特定的触发词（trigger words），这些词需要在提示词中出现才能激活LoRA的效果。
触发词通常在LoRA模型的CivitAI页面中有说明。
有些LoRA的触发词会自动添加到提示词中，但有些需要手动添加。
如果LoRA效果不明显，首先检查触发词是否正确，其次检查权重值是否合适，最后确认基础模型是否兼容。
总结
LoRA模型是Stable Diffusion生态系统中不可或缺的组成部分。通过灵活使用各种LoRA模型，你可以大幅扩展Stable Diffusion的创作能力，实现精确的风格控制和丰富的视觉效果。
掌握LoRA使用的关键在于：选择高质量的模型、使用正确的触发词、设置合适的权重值、以及与基础模型正确搭配。通过持续的实验和积累，你会建立自己的LoRA工具库。
LoRA训练入门
除了使用现成的LoRA模型，你还可以训练自己的LoRA来满足特定的创作需求。LoRA训练不需要大量的计算资源，普通家用电脑的显卡就可以完成。
训练数据准备：收集10-20张高质量的训练图像，图像应该具有统一的风格或一致的角色特征。对于风格LoRA，选择风格特征明显的图像；对于角色LoRA，选择不同角度和表情的角色照片。
训练工具推荐：Kohya_ss是目前最流行的LoRA训练工具，提供了图形界面和详细的参数设置。SD-scripts是另一个选择，更加灵活但需要命令行操作。
训练参数要点：学习率（learning rate）通常设置为1e-4到1e-5；训练步数（steps）根据数据量调整，通常每个图像100-200步；网络维度（network dim）通常设置为16或32，更高的维度可以捕捉更多细节但需要更多训练时间。
训练完成后，将生成的LoRA文件放入models/Lora/目录，就可以像使用其他LoRA一样在WebUI中调用了。