WebUI-Workflow
So verwenden Sie LoRA in der Stable Diffusion WebUI sicher
Dieser praxisnahe Leitfaden zur Verwendung von LoRA in der Stable Diffusion WebUI behandelt die Platzierung des Modells, die Aktivierungssyntax, die Gewichtskontrolle und die Prüfungen, die für konsistente LoRA AI-Ausgaben sorgen.
Kern-Workflow
Was dieses Szenario leisten muss
Ein zuverlässiger Stable Diffusion WebUI-LoRA-Workflow führt von einer kompatiblen Datei zu einer kontrollierten Generierung, ohne die wichtigen Einstellungen zu verbergen.
-
1
Modell vorbereiten
Lade eine LoRA herunter, die zu deiner Checkpoint-Familie passt, und platziere die Datei anschließend im WebUI-Ordner models/Lora, damit die Benutzeroberfläche sie finden kann.
-
2
Laden und aktivieren
Aktualisiere die Modellliste, wähle die LoRA im Bereich für zusätzliche Netzwerke aus und vergewissere dich, dass ihre Trigger-Wörter und das empfohlene Gewicht bekannt sind.
-
3
Ergebnis abstimmen
Generiere eine kleine Auswahl, passe das LoRA-Gewicht und das Prompt-Gleichgewicht an und behalte Seed und Einstellungen bei, sobald ein brauchbares Ergebnis erscheint.
-
4
Eine wiederholbare Konfiguration speichern
Notiere den Checkpoint, den LoRA-Namen, das Gewicht, den Sampler, die Schritte, die Größe und den Prompt, damit das erfolgreiche Bild später reproduziert werden kann.
Weiter erkunden
Jeder Eintrag
Diese verwandten Leitfäden behandeln die Modellauswahl und die praktischen Vergleiche, die in einem LoRA AI-Workflow normalerweise als Nächstes anstehen.
Einstellungsleitfaden
Qualitätsmaßstab
Verwende diese Gegenüberstellung, bevor du ein Ergebnis bewertest. Die linke Spalte zeigt eine kontrollierte Konfiguration; die rechte zeigt das Ergebnis einer häufigen Abweichung von der Konfiguration.
Kontrollierte Konfiguration
Wahrscheinlich schwache Konfiguration
Basis-Checkpoint
Kontrollierte Konfiguration
Passt zur LoRA-Familie und zum beabsichtigten Bildstil.
Wahrscheinlich schwache Konfiguration
Verwendet einen nicht verwandten Checkpoint oder ein inkompatibles Modellformat.
Dateispeicherort
Kontrollierte Konfiguration
LoRA befindet sich in models/Lora und ist nach einer Aktualisierung sichtbar.
Wahrscheinlich schwache Konfiguration
Die Datei befindet sich am falschen Ort, wurde falsch komprimiert oder fehlt im Auswahlfeld.
Trigger-Wörter
Kontrollierte Konfiguration
Verwendet die Trigger-Begriffe des Erstellers nur, wenn sie das trainierte Konzept ergänzen.
Wahrscheinlich schwache Konfiguration
Fügt jedes vorgeschlagene Wort hinzu, wodurch unerwünschte Merkmale oder Unordnung entstehen.
LoRA-Gewicht
Kontrollierte Konfiguration
Beginnt ungefähr mit der Empfehlung des Modells und ändert den Wert anschließend in kleinen Schritten.
Wahrscheinlich schwache Konfiguration
Verwendet sofort ein sehr hohes Gewicht und erzeugt harte oder verzerrte Merkmale.
Prompt-Balance
Kontrolliertes Setup
Hält Motiv, Stil und das LoRA-Konzept klar voneinander getrennt.
Wahrscheinlich schwaches Setup
Häuft konkurrierende Stilbegriffe an, die das trainierte Konzept überlagern.
Reproduzierbarkeit
Kontrolliertes Setup
Speichert Seed, Sampler, Schritte, Größe, Checkpoint und Gewicht.
Wahrscheinlich schwaches Setup
Ändert mehrere Variablen gleichzeitig und kann nicht feststellen, was geholfen hat.
Vorschau-Batch
Kontrolliertes Setup
Testet einige Bilder mit moderaten Einstellungen vor dem finalen Rendern.
Wahrscheinlich schwaches Setup
Verbringt Zeit mit einem großen Render, bevor bestätigt wurde, dass das LoRA funktioniert.
Kenne die Grenzen
Häufige Nacharbeit
LoRA AI ist ein Adapter, kein vollständiges Bildmodell. Diese Grenzen erklären, warum ein technisch korrektes Setup trotzdem einen weiteren Durchlauf erfordern kann.
-
Ein LoRA kann den Checkpoint nicht ersetzen
Es lenkt ein kompatibles Basismodell in Richtung eines erlernten Motivs, Stils, einer Pose oder eines Details. Es stellt nicht eigenständig alle visuellen Fähigkeiten bereit.
LösungWähle einen Checkpoint, der zum Zielbild passt, und verwende das LoRA dann als gezielte Ergänzung.
-
Trigger-Wörter sind keine universellen Befehle
Einige LoRAs benötigen ein bestimmtes Token, während andere hauptsächlich auf das erlernte Gewicht reagieren. Das Kopieren einer langen Tag-Liste kann den Prompt weniger stabil machen.
LösungLies die Modellhinweise, teste den Trigger-Begriff allein und entferne Tags, die keinen sichtbaren Mehrwert bieten.
-
Höheres Gewicht bedeutet nicht höhere Qualität
Ein zu stark erhöhtes Gewicht kann plastische Texturen, wiederholte Merkmale, eine verwaschene Anatomie oder einen übermächtigen Stil erzeugen.
ProblemumgehungTeste einen engen Bereich wie 0.6, 0.75 und 0.9, während Seed und Prompt unverändert bleiben.
-
WebUI kann eine schlechte oder nicht passende Datei nicht korrigieren
Ein beschädigter Download, eine falsche Architektur oder ein inkompatibler Checkpoint wird möglicherweise nur unvollständig geladen oder erzeugt schwache Ergebnisse.
ProblemumgehungÜberprüfe die Dateiquelle, das Format, die Modellfamilie und die Vorschaubeispiele, bevor du viele Generierungseinstellungen änderst.
Visuelle Prüfung
Vorher und nachher
Der nützliche Unterschied besteht nicht einfach darin, eine Datei hinzuzufügen, sondern darin, den richtigen Adapter zu laden und zu steuern, wie stark er das Basisbild beeinflusst.
- Unkontrollierte Einrichtung
- Optimierte LoRA-Einrichtung
Lass den Seed beim Vergleichen von Gewichten unverändert, damit sich die LoRA-Änderung leichter beurteilen lässt.
Nächste Generierung
Baue einen saubereren LoRA AI-Workflow auf
Nachdem du nun weißt, wie man LoRA in Stable Diffusion WebUI verwendet, verwandle dieselbe Prompt-Idee in einen kontrollierten Bildtest. Beginne mit einem kompatiblen Modell, einer LoRA und einem kleinen Gewichtsbereich, bevor du das endgültige Rendering optimierst.
Probiere den Bild-Workflow aus- Beginne mit einem konkreten Motiv und visuellen Ziel
- Teste Gewichtsänderungen jeweils nur als eine Variable
- Bewahre erfolgreiche Einstellungen für reproduzierbare Ergebnisse auf
Szenario-FAQ
Szenario-FAQ
Diese Antworten behandeln die praktischen Fragen, die sich viele beim Erlernen der Verwendung von LoRA in Stable Diffusion WebUI stellen.
Platziere die LoRA-Datei im Ordner models/Lora der WebUI und aktualisiere anschließend die Modellliste oder starte die WebUI neu, falls sie nicht angezeigt wird. Wähle sie im Bereich für zusätzliche Netzwerke aus, woraufhin die WebUI das Aktivierungs-Tag in deinen Prompt einfügt.
Vergewissere dich, dass sich die Datei im richtigen Verzeichnis models/Lora befindet und ein von deiner WebUI-Installation unterstütztes Format verwendet. Aktualisiere die Oberfläche, stelle sicher, dass sich die Datei nicht mehr in einem komprimierten Archiv befindet, und überprüfe, ob die LoRA zu deiner Checkpoint-Familie passt.
Beginne mit dem vom Ersteller des Modells empfohlenen Wert, der häufig bei etwa 0.7 bis 1.0 liegt, und teste kleine Änderungen in diesem Bereich. Niedrigere Gewichte sorgen normalerweise für einen subtileren Einfluss, während höhere Gewichte trainierte Details überbetonen oder Artefakte erzeugen können.
Manchmal. Eine Charakter- oder Konzept-LoRA kann von einem bestimmten Triggerbegriff abhängen, während einige Stil-LoRAs ohne einen solchen funktionieren. Lies die Hinweise zum Modell, teste den Trigger allein und entferne unnötige Tags, wenn das Ergebnis überladen wirkt.
Das Gewicht ist möglicherweise zu hoch, der Prompt kann konkurrierende Stilbegriffe enthalten oder die LoRA wurde für eine andere Checkpoint-Familie trainiert. Verringere das Gewicht, vereinfache den Prompt und vergleiche die Ergebnisse mit einem kompatiblen Basismodell unter Verwendung desselben Seeds.