sdAI提示词中的lora和embedding应该如何正确使用？

如果你已经玩了一段时间的sdAI，你肯定见过LoRA和Embedding这两个词。它们就像是给你的AI模型加装的“插件”，能帮你画出特定的角色、风格或者调整画面细节。但是，很多人其实并没完全搞明白这两者到底有什么不同，以及什么时候该用哪个。

简单来说，它们解决的问题不一样，原理也完全不同。把它们用对地方，可以让你的出图效率和效果都好很多。

LoRA是“微调手术”，Embedding是“关键词打包”

我们先从它们是什么说起，用个好懂的比喻。

想象一下，你的AI大模型（Checkpoint）是一位全能画师，什么都会画一点，但可能画不好某个特定的动漫角色，比如“孙悟空”。

• LoRA：这时候，LoRA就像是给这位画师做了一次“微调手术”。它不改变画师的整个大脑，只是在他大脑里负责画画风格和辨认角色的特定区域（也就是模型的某些权重层）加了点新东西。 这次手术很小，所以LoRA文件通常不大，一般在几十到几百MB。 手术后，这位画师就学会了如何精准画出“孙悟空”的脸、服装和神态。因为改动了模型本身的网络结构，LoRA能够学习到更复杂的细节，比如特定人物的相貌、服装风格，甚至是某种固定的构图。
• Embedding：Embedding（也叫Textual Inversion）则完全是另一回事。 它不对画师做任何手术。它更像是一个“关键词打包工具”。你发现每次想让画师画“赛博朋克风格”，都要输入一大堆复杂的提示词，比如“霓虹灯、未来城市、机械义体、潮湿街道……”。为了省事，你把这一大堆词打包成一个新词，比如就叫“cyberpunk_style”。这个新词就是Embedding。它本质上没教给画师任何新东西，只是把你已经知道的、能被模型理解的提示词组合起来，变成一个方便调用的“快捷方式”。 所以Embedding文件非常小，通常只有几十KB。

所以，最大的区别在于：LoRA是给模型增加了新的知识，而Embedding只是将模型已有的知识进行了重新组合和调用。 这就决定了它们各自的适用场景。

什么时候用LoRA？

当你需要模型画出它本身“知识库”里没有，或者画不好的具体、复杂的东西时，就应该用LoRA。 LoRA在“无中生有”方面表现更好。

典型场景：

1. 特定角色或人物：这是LoRA最常见的用途。比如，你想画一个特定的游戏角色、动漫人物，甚至是现实中的朋友。大模型可能根本不认识这个人，或者画出来完全不像。通过用这个人的几十张照片训练一个LoRA，模型就能准确地画出他的样貌。
2. 特定的艺术风格：比如你想模仿某个特定画家的风格，而这个画家的风格非常独特，无法用简单的提示词（如“梵高风格”）来描述。你可以用这位画家的大量作品训练一个风格LoRA。
3. 特定的服装或物品：你想画一套设计非常复杂的科幻盔甲，或者某个特定款式的连衣裙。这些细节很难用语言精确描述，用LoRA来学习这些视觉特征就非常合适。

如何正确使用LoRA：

使用LoRA通常需要两个步骤：

• 第一步：在提示词中引用LoRA文件。 在AUTOMATIC1111这类工具中，语法通常是 <lora:文件名:权重>。 比如 <lora:goku_style_v1:0.8>。权重值（0到1之间）用来控制LoRA效果的强度，权重越高，LoRA的特征就越明显。
• 第二步：加入触发词（Trigger Words）。 很多LoRA在训练时会设定一个或多个触发词。你必须在提示词里写上这些词，LoRA的效果才会完全展现出来。 比如，一个孙悟空的LoRA，触发词可能是“goku”。你可以在下载LoRA的页面（比如Civitai）上找到这些触发词。

举个例子，一个完整的提示词可能是这样的：“1boy, goku, fighting, <lora:goku_style_v1:0.8>”。这里，“goku”是触发词，“<lora:goku_style_v1:0.8>”是调用LoRA文件并设置其强度。

什么时候用Embedding？

当你想优化或固定某些模型已经能理解，但不容易用简单词汇精确控制的概念时，就用Embedding。它擅长“调用和组合”。

典型场景：

1. 画风和概念的快捷调用：就像前面说的，你可以把一长串描述画风的词打包成一个Embedding。比如，创建一个“Ghibli_style”的Embedding，代替“studio ghibli style, animated, vibrant colors, detailed background”等一堆词。
2. 负面提示词（Negative Prompts）：这是Embedding一个非常好用的地方。很多人会把一长串常用的负面提示词（比如“low quality, worst quality, deformed, blurry, ugly”）打包成一个Embedding，比如叫“bad_quality”。这样，每次只需要在负面提示词框里输入“bad_quality”就行了，非常方便。 很多通用的负面Embedding（如“verybadimagenegative”）在网上可以直接下载使用。
3. 修正和微调：有时候模型画手或者画脸容易出问题，可以用一些专门训练用来修正这些问题的Embedding。它们通过调用模型已有的“正确”知识，来压制那些“错误”的画法。

如何正确使用Embedding：

使用Embedding比LoRA简单得多。你只需要把下载好的Embedding文件放到指定的文件夹里（通常是 stable-diffusion-webui/embeddings），然后在提示词里直接输入文件名（不带后缀）就可以了。

比如，你下载了一个叫“bad_quality.pt”的负面Embedding，直接在负面提示词框里写“bad_quality”就行。如果想调整它的强度，可以用括号和权重，比如“(bad_quality:1.2)”。

LoRA和Embedding可以一起用吗？

当然可以，而且这是非常常见的做法。 它们的作用层面不同，一起用可以起到互补的效果。

想象一下这个流程：

1. 选择一个基础大模型（Checkpoint）：比如你选了一个擅长画写实风格的模型。
2. 用LoRA来定义核心主体：你用一个特定人物的LoRA来生成你想画的角色。提示词里加入 <lora:character_A:0.9> 和触发词。
3. 用Embedding来调整风格和规避错误：你在正面提示词里加入一个风格Embedding，比如“film_grain_style”，让画面更有电影感。同时，在负面提示词里加入一个通用的负面Embedding，比如“EasyNegative”，来避免画面出现常见崩坏。

这样一套组合拳下来，你就能在写实大模型的基础上，画出具有特定人物、特定胶片风格且质量较高的图片。这比单纯靠手写一大堆提示词要高效和可控得多。

最后要注意一点，LoRA和Embedding都和训练它们的基础大模型版本有关。比如，一个基于SD 1.5版本模型训练的LoRA或Embedding，用在SDXL模型上可能会完全没效果或者出现奇怪的结果。 所以在下载和使用时，最好确认一下它们是为哪个模型版本制作的。