LiblibAI模型组合玩法怎么操作

在LiblibAI中实现风格、结构与细节的协同表达，需打破单一模型依赖，通过主模型融合、LoRA分层干预、ControlNet多单元控制及提示词加权四步联动完成。单一模型生成常出现线条松散、肤色失真或构图失衡，本质是语义解耦能力不足，必须用组合策略补足各维度短板。

主模型加权融合

这一步决定画面底层语义基底，不可跳过或替换为单模型直出。

1、进入ComfyUI工作流编辑器，拖入两个“CheckpointLoaderSimple”节点，分别加载目标大模型，例如“ReVAnimated_v122.safetensors”（强动态表现）与“majicMIX_realistic_V7.safetensors”（高精度肤质还原）。

2、添加“ModelMergeSimple”节点，将两个CheckpointLoaderSimple的“MODEL”输出端口→分别连接至其左、右输入端口。

3、在“ModelMergeSimple”中设置权重：左侧模型设为【0.65】，右侧设为【0.35】，两数之和必须严格等于1——若为0.64+0.37，生成图像将出现纹理撕裂或色彩偏移。

4、将合并后的“MODEL”输出→接入KSampler节点的模型输入端口，后续所有ControlNet、VAE、CLIP编码器均以此融合模型为统一基础。

LoRA叠加控制

LoRA不修改主模型权重，而是在线性空间叠加语义扰动，适合对特定维度做精准干预。

方法一：WebUI界面快速叠加

点击生图页顶部“LoRA”标签页，勾选第一个LoRA（如“墨梅听雪_v2”），强度滑块拖至0.72；再勾选第二个（如“幻彩琉璃_3D”），强度设为0.58。注意检查触发词是否冲突——若两者均含“sharp edges”，会引发边缘过度强化导致噪点堆积。

方法二：ComfyUI节点式叠加

在工作流中插入“LoraLoader”节点，每个节点绑定一个LoRA文件；将各节点的“MODEL”输出→依次接入“ModelSamplingContinuous”节点的“MODEL”输入端口；总强度值显示在节点右上角，确保最终数值≤2.0。

这一步操作起来很简单，直接把文件拖进去就行，但权重超限会导致画面结构崩解，比如人物肢体错位或背景像素化。

ControlNet多单元协同

当需要同时约束构图、深度与姿态时，必须启用至少两个ControlNet单元并差异化赋权。

第一步：加载ControlNet模型

在ComfyUI中拖入三个“ControlNetLoader”节点，分别加载depth、openpose、canny模型文件。

第二步：绑定控制图像

将同一张线稿图→同时输入至三个ControlNet节点的“image”端口；注意图像分辨率需与最终输出一致，否则depth单元会误判远近关系。

第三步：分配权重

depth单元设为0.8（主导空间层次），openpose设为0.6（校准人体角度），canny设为0.3（仅辅助边缘清晰度）——权重过高会使线条僵硬，过低则失去结构约束力。

第四步：注入主流程

将三个ControlNet节点的“CONTROL_NET”输出→分别接入“ControlNetApply”节点对应输入端口，再将该节点输出→连入KSampler的“control_net”端口。

提示词括号加权

文本调控必须与模型组合同步生效，否则语义信号会脱节。

在正向提示词框中输入：“(masterpiece:1.3), (best quality:1.2), (cyberpunk cityscape:1.1), (neon lights:0.9), (rainy street:0.8)”。括号内数字代表该词组在采样过程中的激活优先级，数值越高越早被UNet层捕获。

负向提示词中加入“(deformed, blurry, bad anatomy)”即可，无需加权——这些是全局抑制项，加权反而削弱排除效果。

特别注意：括号加权仅在ComfyUI或高级WebUI模式下生效，基础WebUI界面不识别该语法，会直接忽略括号与数字。