发布于 2026年5月20日
ComfyUI 里的 LoRA 入门:风格和角色模型怎么用
什么是 LoRA、文件放哪里、怎么把它接进文生图工作流。包含强度调节、多个 LoRA 叠加、还有最容易让新手踩坑的触发词习惯。
LoRA(Low-Rank Adaptation,低秩适配)是一个小文件,用来把基础扩散模型往特定的风格、角色或概念方向”推”一下,不需要重新训练整个模型。一个普通的 LoRA 是 50–200 MB,一个完整的 SDXL checkpoint 是 7 GB。这个比例就是 LoRA 满天飞的原因 — 训练成本低、分享方便、还能叠加。
本文假设你已经能跑通一个文生图工作流。还不行的话先看第一个工作流教程。能跑通之后,加一个 LoRA 就是多一个节点的事。
LoRA 到底干什么
扩散模型是一摞权重矩阵。训练 LoRA 会为每一层产生一对小很多的矩阵。推理时这两个小矩阵相乘后加到原权重上,模型表现得像稍微变了一点的另一个模型 — 一个被往 LoRA 训练目标方向拉过的模型。
实际意义:
- **不替换基础模型。**LoRA 是叠加上去的。SD 1.5 上训练的角色 LoRA 需要一个 SD 1.5 的 checkpoint。
- **基础模型很重要。**在
sd-v1-5上训练的 LoRA 套到realistic-vision-v6上,虽然都是 SD 1.5,效果会怪。基础越接近,效果越好。 - **能叠加。**两个 LoRA 各 0.7 强度很常见。四个全开就开始打架了。
LoRA 文件放哪
放进:
ComfyUI/models/loras/
子文件夹随便分。多数人按来源或类型分:
ComfyUI/models/loras/
character/
aragorn-sdxl.safetensors
sailor-moon-1.5.safetensors
style/
pixel-art-xl.safetensors
studio-ghibli.safetensors
concept/
wide-angle-lens.safetensors
加完文件,点 ComfyUI 右上角刷新按钮 — 下拉菜单会重新读目录,不用重启。
去哪下载 LoRA
主要两个地方:
- Civitai — civitai.com。最大的库。质量参差不齐。按基础模型和下载量筛选。
- Hugging Face — huggingface.co。库小但来源更干净。搜 “lora sdxl” 或 “lora sd1.5”。
LoRA 详情页一定会写基础模型。SD 1.5、SDXL、FLUX、Pony、Illustrious 这几个互不通用。下载的 LoRA 必须匹配你 Load Checkpoint 里加载的 checkpoint。
好的详情页还会包含:
- 几张示例图,以及生成它们用的提示词
- 触发词(trigger word)— 提示词里必须出现的标记,LoRA 才会被激活
- 推荐强度范围(通常 0.6–1.0)
如果详情页没有触发词、没有示例提示词,这是个差页面,跳过。
Load LoRA 节点
在节点菜单里搜 Load LoRA。这个节点有:
输入(左侧):
model(紫色)— 你想修改的 MODELclip(黄色)— 你想修改的 CLIP
输出(右侧):
MODEL— 修改过的 MODELCLIP— 修改过的 CLIP
控件:
lora_name—models/loras/下文件的下拉菜单strength_model— LoRA 对扩散模型本身的影响强度(典型值 0.6–1.0)strength_clip— LoRA 对文本编码器的影响强度(典型值与 strength_model 相同)
这个节点夹在 Load Checkpoint 和后续节点之间,拦截 MODEL 和 CLIP。
接线
拿你能跑通的文生图图。看 Load Checkpoint 出去的几根线:
- MODEL → KSampler
- CLIP → 两个
CLIP Text Encode(正向 + 负向) - VAE → VAE Decode
VAE 那根别动 — LoRA 不影响 VAE。但要拦截 MODEL 和 CLIP 两根:
- 加一个
Load LoRA节点夹在Load Checkpoint和后续之间 - 断开
Load Checkpoint到 KSampler 的 MODEL 线 - 连:
Load Checkpoint.MODEL →Load LoRA.model →Load LoRA.MODEL → KSampler.model - 断开 CLIP 那两根线
- 连:
Load Checkpoint.CLIP →Load LoRA.clip →Load LoRA.CLIP → 两个文本编码器
完事。下拉里选一个 LoRA,强度都设 1.0 起步。
触发词的习惯
新手最容易栽在这。很多 LoRA 必须在正向提示词里出现一个特定的标记才会被激活。这个标记是训练时定的,提示词里没有它,LoRA 的效果会很弱甚至看不到。
举例(虚构,但代表性强):
LoRA: aragorn-sdxl.safetensors
触发词: aragorn-strider
用法: "portrait of aragorn-strider in a forest, cinematic lighting"
LoRA: pixel-art-xl.safetensors
触发词: pixel art
用法: "pixel art of a fox sitting on a moss-covered rock"
每次都查 LoRA 详情页的触发词。如果 LoRA 强度 1.0 接进去图却一点没变 — 多半是没用触发词。
也有些 LoRA 是”常驻”的,不需要触发词。详情页会说明。
强度调节
三种数值组合,三种不同表现:
| strength_model | strength_clip | 行为 |
|---|---|---|
| 1.0 | 1.0 | 完整效果,默认起点 |
| 0.6 | 0.6 | 微妙融入,适合往基础风格里渗一点 |
| 1.2 | 1.0 | 视觉效果强、提示词响应正常。风险:容易把图烤糊 |
| 1.0 | 0.0 | 视觉风格应用了,但提示词理解保持干净。处理麻烦组合时有用 |
| 0.0 | 0.0 | LoRA 关闭(等于没接节点) |
第一次跑,1.0 / 1.0。结果太强(脸变形、颜色爆炸)就降到 0.7。太弱试 1.1 — 但超过 1.2 通常会破坏生成。
strength_clip 比大多数人意识到的更重要。如果一个角色 LoRA 把提示词理解污染了(模型”忘了”蓝色是什么意思),把 strength_clip 降到 0.5 左右,strength_model 留 1.0。
多个 LoRA 叠加
两个 LoRA 同时用,把 Load LoRA 节点串起来:
Load Checkpoint → Load LoRA(风格) → Load LoRA(角色) → KSampler
每个节点修改它收到的 MODEL 和 CLIP 然后传下去。顺序的影响小于总强度的影响。
叠加经验法则:总强度保持在 1.0–1.5 之间。两个 LoRA 各 0.7 没问题。三个全 1.0 几乎一定出垃圾图。模型的”余量”有限,多个微调互相抢就开始打架。
风格 LoRA + 角色 LoRA 叠加:
- 提示词里写角色 LoRA 的触发词
- 风格 LoRA 有触发词的话也写上
- 两个都从 0.7 起步,慢慢调
常见失败
加不加 LoRA 图一样
- 提示词里没写触发词,最常见
- 基础模型不对。SD 1.5 LoRA 套 SDXL = 没效果或噪声
strength_model是 0.0,检查是否被滑回去了
图过饱和、扭曲、烤糊
- 强度太高,降到 0.7 或 0.6
- 叠太多 LoRA。除一个全关掉重测
- 有些 LoRA 训练过头了,试 0.5 看看质量是否反弹
你没要求画脸的地方脸都崩了
- 角色 LoRA 在 1.0 强度下污染了所有人脸
- 把
strength_clip降到 0.4–0.5,strength_model留 1.0
”LoRA not found” / 下拉是空的
- 文件扩展名不对。ComfyUI 接受
.safetensors和.ckpt。其他(.pt、.bin)要改名或转换 - 文件放错文件夹,必须在
models/loras/,不是models/checkpoints/ - 忘了点刷新,UI 右上角
颜色/风格对了,但角色不对
- 这个 LoRA 是纯风格的,不带角色。要么再加一个角色 LoRA,要么在提示词里描述角色
LoRA、checkpoint、embedding 区别
下载内容三种类型的速查表:
| 类型 | 体积 | 放哪 | 干啥 |
|---|---|---|---|
| Checkpoint | 2–24 GB | models/checkpoints/ | 整个模型。替换扩散大脑 |
| LoRA | 50–500 MB | models/loras/ | 给模型打补丁,风格/角色/概念 |
| Embedding | 5–500 KB | models/embeddings/ | 仅文本侧,模型新认识的一个”词” |
LoRA 是中间路线 — 小到能随便下,表达力又足以真改变生成。网上看到的工作流大多用 1-2 个 LoRA 加基础 checkpoint。
下一步
你现在能把任何角色或风格 LoRA 套到基础文生图工作流上了。两个自然的下一站:
- ControlNet — 用深度图、边缘图、骨架图控制构图。和 LoRA 叠加干净
- Hires Fix — 低分辨率出图再放大精修,不烧显存出锐利细节
各有专题教程。