「模型」这个词在 AI 绘画圈里被用得太宽了。Checkpoint、LoRA、VAE、ControlNet 都被叫作模型，但它们的体积差着三个数量级，作用的地方也完全不在同一层。分不清的直接后果是：同时挂三个 LoRA 互相打架、换了个 VAE 让整张图发灰、加载了 ControlNet 却不知道怎么给条件图。
Checkpoint：整套权重，是「底座」
Checkpoint 是完整的主模型，通常 2–7 GB。它打包了三样东西：
- UNet：去噪的主力，决定画面长什么样。
- CLIP / 文本编码器：把提示词翻译成向量。
- VAE：在像素空间和潜空间之间来回转换。
一次生成只能用一个 Checkpoint，它是整个流程的根节点。所谓「换模型」，九成指的是换这个。
不同 Checkpoint 的差别不只是画风。它们对提示词的响应习惯、默认分辨率、甚至色彩倾向都不一样。同一段提示词换底座出图差异巨大，这不是你写错了。
LoRA：插在注意力层上的小补丁
LoRA 通常 10–200 MB，全称是 Low-Rank Adaptation。它不动原模型权重，而是在注意力层的权重矩阵旁并联一对低秩矩阵，用很小的参数量改变模型的行为。
所以 LoRA 必须挂在某个 Checkpoint 上才能工作，单独打不开。它擅长的是：特定人物长相、特定画风、特定服饰或构图习惯。
关键限制是叠加会互相污染。三个 LoRA 各给 1.0 权重，效果不是「三个特点都有」，而是都变形。经验做法是总权重控制在 1.5 以内：主 LoRA 0.8–1.0，辅助的压到 0.3–0.5。
另外，LoRA 和底座的配对很重要。在 SDXL 上训的 LoRA 挂到 SD 1.5 上不会报错，但效果是乱的——因为注意力层的维度对不上，加载器通常会静默跳过。
VAE：只管「翻译」，不管「画什么」
VAE 很小，通常 300–900 MB，职责单一：把潜空间里的张量解码成人能看的像素图，以及把输入图编码回潜空间。
它不改变构图和内容，但深度影响色彩与细节锐度。同一个模型换 VAE，可能从「通透」变成「灰蒙蒙」。
最常见的两个坑：
- 缺 VAE：画面整体发灰、对比度低、颜色发闷。这不是提示词的问题。
- VAE 不匹配：SDXL 的 VAE 用到 SD 1.5 上，直接出黑图或纯色块。
大部分 Checkpoint 已经把 VAE 打包进去了，正常情况下不需要单独挂。只有底座明确说明「不含 VAE」时才需要额外指定。
ControlNet：另一条条件通道
ControlNet 体积和 LoRA 同量级，但作用方式完全不同。它不是改风格，而是给模型额外喂一张条件图，约束画面的空间结构。
| 类型 | 条件图是什么 | 典型用途 |
|---|---|---|
| Canny / Lineart | 边缘线稿 | 照着手绘线稿上色 |
| Depth | 深度图 | 锁定前后景关系 |
| OpenPose | 骨骼关键点 | 精确控制人物姿态 |
| Seg / Mask | 分区色块 | 指定每块区域画什么 |
| Tile | 原图切片 | 放大时补细节 |
ControlNet 有独立的权重（strength）和起止步数。强度 0.6–0.8 是常用区间：太低等于没约束，太高会让画面僵硬、失去生成的自然感。
四者的关系，一句话记住
Checkpoint 是底座，只能有一个；LoRA 是风格补丁，可以叠但要控总权重；VAE 是翻译器，决定颜色正不正；ControlNet 是外挂条件，决定构图听不听话。
| 文件 | 体积量级 | 能同时用几个 | 出问题时的典型症状 |
|---|---|---|---|
| Checkpoint | 2–7 GB | 1 | 画风完全不对、提示词响应异常 |
| LoRA | 10–200 MB | 多个（总权重 ≤1.5） | 人物脸崩、风格混杂、细节糊 |
| VAE | 300–900 MB | 1 | 发灰、黑图、色彩发闷 |
| ControlNet | 200 MB–1.5 GB | 可叠 2 个 | 构图不受控、画面僵硬 |
排查顺序
出图不对时，按这个顺序排除，比乱试参数快得多：
- 先确认底座对不对（画风基调由它决定）。
- 再看 VAE 有没有缺失（发灰基本就是它）。
- 然后逐个关掉 LoRA，确认是不是叠加冲突。
- 最后才动 CFG、步数、采样器这些参数。
顺序反了会浪费时间：参数调到天荒地老，也救不回一个挂错的 VAE。
评论 0