马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有帐号？免费注册
x
本帖最后由 明心亘青 于 2026-2-19 22:28 编辑
本贴可理解为站内用户 Gaslight001314（下称耄耋）所著《超硬核详细的 Comfy UI速成》的一些补充。你在阅读该文章时，我会默认你已经读过了耄耋的那两篇教程。图和废话可能都有些多，不过不少内容都是笔者认为「必要」的。
先说在前头，这篇帖子主要面向的是使用 SDXL 模型生成二次元图像的人群，作为国人，生成真人并不推荐使用 SDXL。目前对真人支持较好的 SDXL 模型是 Pony 系模型，但主要支持的是欧美人，亚洲人会带有强大的刻板印象，生成的人物从颜值上完全比不过 Flux 或者 Z-image 以及 Qwen-image。也因此，生成真人推荐使用这三类模型。也有 SD1.5 系的麦橘写实和基于其他 SDXL 底模的墨幽人造人 XL，但效果都逊色于 Flux 或者由阿里云开发并开源的 Z-image/Qwen-image。需要注意的是，Flux 2 Klein 对 NSFW 的管控十分严格，感觉不太方便就是了。不过，Z-image 虽然配置要求低于 Flux 和 Qwen-image，但一个很重大的缺点是官方暂时并未开源 Base 底模，导致目前基于 Z-image 的微调底模较少，生态也并不完善，对 NSFW 的支持较差，想生成真人 NSFW 的可观望或寻找 Flux/Qwen-image 教程。本文主要基于 SDXL 的 illustrious 系列模型进行讲解。
在 2026 年 1 月 28 日，Z-image-Base 已开源，感兴趣的可以研究研究。不过在二次元方面的表现依旧不如 SDXL，这方面较有前途的是 Anima。但 Anima 以及 Newbie 这样的新模型都还没得到完整的训练，为了生态，二次元生图还是推荐使用 SDXL 系列模型。
有关于 SDXL 在二次元的三个主要模型会在文末进行简要推荐，具体发展历程可以问问 AI。
本文正文中不会出现任何外站的链接。也因此，正文中会出现的其他网站请自行谷歌搜索。
本文的最终目标是仿制出 CunnyFunky 的画风。
想必在你看完耄耋那两篇教程后，你已经知道了 ComfyUI 的文生图基本流程：在工作流中，建立一个模型读取节点，将该节点与文本编辑器连接后，接入 K 采样器，接着将采样完毕的 Latent 图像食用 VAE 进行解码，输出成图。不过，想要生成 CunnyFunky 那样的图像，还是有的工作要做的。我们第一个工作，便是更换底模。
在耄耋的教程中，你应该已经点开了他提供的链接，下载了 illustriousXL v0.1 并放进了对应的文件夹。illustriousXL 是一个二次元图像的特化模型，使用它并没有什么问题。但是，这个模型本身却存在两个问题：出得太早和塞的太少。
出得太早是相当好理解的：初代光辉底模在 2024 年 9 月便已迭代完成，即便后来更新，可能也只同步了那三个月的数据。最主要的是，illustriousXL 是「基础模型」——这意味着该模型直出效果一般，必须加入大量 Lora。（Lora 是什么？马上就讲，先别急。）这种时候，一般都更加推荐第三方微调模型。由于我已经把我模型文件夹中的基础模型删干净了，就暂时不放对比图了。无论如何，我都推荐你换一个新的模型。这篇文章，我们将使用一个名为 WAI-illustrious-XL V160（下称 wai16）的模型，它基于 illustriousXL 进行微调，迄今已迭代了 16 个版本，最后一次更新在 2025 年 12 月 18 日。如果你打开 CivitAI 的 Model 页面，会发现这个模型赫然排在热度排行榜第三名。（第一名是 SD1.5 的一个模型，第二名是 Pony v0.6）如果你略微接触了一下社区，说不定还会听说 wai14 的大名。而 wai14 正是这个系列模型的第 14 个版本。不过，秉承有新用新的观念，我们还是采用 wai16。
当然，CunnyFunky（还有效仿他的凩秋）泄露的工作流中，模型使用的是 cocoStyleNoobaiXLV55。但使用 wai16，我们也能将其画风复刻个八九成。
切换底模后，我们需要知道的，是 Lora。Lora 的本质是什么？
「LoRA 的本质是一种基于低秩矩阵分解的参数高效微调 (PEFT) 技术，核心假设是预训练模型在适应新任务时的权重变化具有低秩结构，通过在冻结的基础模型中注入少量可训练的低秩矩阵，以极小的参数开销实现模型在特定任务上的高效适配，同时保持原始模型能力不受破坏。」
说那么多，有谁会去在意？我们只是跑点自己想看的 NSFW 色图而已！所以，这些没有必要去深入了解。我们可以想象，你进了一家名为 ComfyUI 的餐馆。你的底模就是这间餐馆的厨师，提示词就是食材，厨师自己知道一些菜怎么做，这也是你填入一些较为常见的 Tag 后，模型一般都能正常生成你所需要的图片的原因——厨师知道该这么做。可是，如果你想吃的菜很冷门呢？比如说，你想在广东的餐馆点湘菜的擂辣椒……
幸好，ComfyUI 这间餐馆不会因为你的无理要求而把你轰出去，而是会全力完成你所有的要求。这时候，你就需要一本叫做 Lora 的菜谱：菜谱上写了，将需要的辣椒蒸熟，放到擂钵后加入皮蛋、调味料等，用擂棒捣碎，就可以做出一道擂辣椒。厨师看了这菜谱，就是广东的厨师，也能做出辣口的擂辣椒。ComfyUI 中也是如此。底模读取了 Lora 中含有的信息，根据触发词（Lora 专用的提示词，在 CivitAI 上下载的话一般旁边都会标注）的提示，就能跑出根据 Lora 所指示的图像。这也是 Lora 作用。有了 Lora，你理论上可以模仿任何画师的画风，跑出任何作品中的人物，修改画面中的任何细节。（有没有称不上「任何」的办法呢？当然有，不过此处先按下不表。）
让我们先试着在 ComfyUI 中添加 Lora。搭建一个基本的文生图工作流后，我们需要找到这个节点：
简单配置后，你的工作流应该长成这样：
当然，位置是没有要求的。截完图后笔者突然觉得似乎画风 Lora 更能体现差异。无论如何，出于 ComfyUI 一目了然的节点式工作流，你应该能发现，它和最基本的图生图工作流的区别中，只多了一个步骤：让 Checkpoints 加载节点的数据途径了 Lora 节点，使得这些数据额外附带了 Lora 本身的数据。接下来，再简单填写一下质量词与反向提示词，填入 Lora 的触发词，点击生成。我这里使用的 Lora 没有提示词，直接生图！
Oh No 妈咪何意味……为什么没有任何效果？让我们点开这个 Lora 的 CivitAI 主页：
基础模型赫然写着 SD1.5。而我们的 wai16 是基于 SDXL 模型训练得到的！所以，我们可以得知一件事：不同的 Stable Diffusion 模型版本之间的 Lora 是不互通的。但这里的模型版本，指的是 SD1.5 SDXL SD3.5 这种大类的差别，如果只是 illustrious 或者 NoobAI（文末会提到）甚至 Pony，它们本质上都只是 SDXL 的分支，也因此你完全可以在 illustrious 系列模型上使用 Pony 系的 Lora（值得一提的是，提示词不行）。至少能跑。现在，让我们换回 SDXL 的 Lora：
作者说不要加质量词，尤其是在 illustrious 系模型上，那么我们就把质量词掐了吧。点一下触发词栏目的紫色部分，就能直接复制。
从那极具特色的眼睛来看，我们通过 Lora 对白玉老师的画风复刻已经成功了！而且，不知道你有没有注意，这个 Lora 的基础模型是 NoobAI。但 NoobAI 和光辉同属 SDXL 模型，因此我们的光辉底模也可以使用其 Lora。
添加 Lora，轻而易举啊！
可是……如果 Lora 变多了呢？
又慢，又不美观，还繁琐！让人感觉你的工作流犹如一座石山。而这，也是自行搭建 ComfyUI 的一个问题：太干净了。如果你和我一样，使用了秋叶aaaki 的 ComfyUI 整合包，你就可以搜索 Power Lora Loader。点击 Add Lora，就能像在「加载 Lora」节点中一样添加 Lora。
高 下 立 判！纵使在原基础上继续增加了三个 Lora，达到了 11 个 Lora 的奇观，它们也会被汇总在一个节点里！诚然，这是一个非常非常极端的例子，但哪怕只是三四个 Lora，一条一条地连线也很繁琐。如果想加入人物 Lora 或者背景、服装，更是加深了麻烦。不仅如此，旁边还有开关，方便你时刻关闭 Lora，对比效果。那么，这么方便的节点要怎么获得呢？当然是在……Manager 中搜索！
在耄耋的教程中，他已经教给了你 ComfyUI-Manager 的下载和安装节点的位置。我们只要搜索 rgthree，就能找到这个节点包：
（判断是不是你要的节点有个野路子，看右边的星星数，这个是 GitHub 上的星标数，在名字里有你要的关键词的话，多的大概率就是你要的那个。你也可以询问语言 AI，像豆包、Kimi 啥的，问问到底要用哪个 Lora）
除了这个节点包以外，我个人还推荐 Easy Use 节点包和 Weilin Tools，前者是一个非常大的第三方节点包总集，后者可以将 WebUI 的提示词选取机制移植到 ComfyUI。除此之外，还有 Efficiency 节点包（效率节点）、inspire 节点包、impactpack（这个有 FaceDetailer，如果你有 WebUI 的经验的话，这就是 ComfyUI 中的 ADetailer）等，同样值得安装。除开这些节点以外，肯定还有不少我也不知道的优质节点。这时你可以找一找别人的工作流，大概率会缺失不少节点。打开 Manager，选择 Install Missing Custom Node（安装缺失的自定义节点），就能查看他们都用了什么节点包。一般靠这种方式查漏补缺几个节点包，就足够单纯跑色图的要求了。不过，在我们这次的目标中，我们只需要用到 Power Lora Loader 节点。甚至你也可以不用，不过麻烦点。
好，让我们回到我们的工作流。相信你在看到如此多的 Lora 后，可能会产生一个猜想：如果我把 Lora 混合起来，会发生什么事情？如果你真的如此想并在画风 Lora 上予以实践，那么我要恭喜你，你发现了一个在现今 AI 绘画中一个非常重要的东西：画师串。
什么是画师串？顾名思义，「画师组成的串」。当然，这不是《狂人日记》，而是「串联画师的画风」。这种办法不仅能组合你喜欢的画师，形成一个独属于你自己的你心仪的画风，还能形成你自己的一大特色，用以商业活动。如果不是 CunnyFunky 铸币了把自己的画师串给泄露了出去，大概也没什么人能复刻出 CunnyFunky 的画风。你混合七八个画师的画风，画师本人都不一定能认出里面有自己……
我们先来试试在 Lora 上混合画风，先让我们看看鬼针草老师的画风：
现在，让我们把两位的画风混合起来：
看着有些怪，似乎和前面所展示的画风不太一样。这，便是混合画风。多串几个，就会形成很好看的画师串。
（个人还算满意的两个画师串）
那么现在，肯定会有人就要问了：难道只能用 Lora 来混合画风吗？答案是否。我们现在将 Lora 全部关闭，然后输入一个特定格式的画师名字，就会发现：
OMG its shiratama
这揭示了一个事情，那就是「模型」其实也是有画风这个训练数据的。当然，这其实是一句废话，因为 Lora 其实本质上也是一个微缩模型，只不过必须挂靠在底模这种大模型上才能发挥作用而已。只要我们使用模型内拥有的画师画风所需要的提示词，不需要 Lora 我们也可以得到对应画师的画风。但是，不是所有画师都能通过模型本身复刻画风。这时候，我们需要前往 Danbooru 网站，查询数据。
Danbooru 是什么可以自行查询，我们只需要知道，Danbooru 上收录了大量画师的作品以及大量角色的图画，以标签形式进行分类。而大模型的训练数据，正是来自 Danbooru。我们只需要查询画师在 Danbooru 上的存图量，就能得知该画师的画风在模型训练时的样本数是否充足。显而易见：如果样本量充足，那么模型毫无疑问地支持模仿该画师的画风。
不幸的是，这里就体现出了开源大模型和闭源大模型在体量上的差距。NovelAI 的模型 NAI4.5，其画风支持程度远远大于任何开源 SDXL 模型。即使在 Danbooru 上只有四五十张画，NAI4.5 依旧能够复刻相关画风，而 illustrious，从我个人的经验来看，至少要达到 300 张存图量（部分画师很神奇的一百多张就行，也有两百多张不支持的）。这使得光辉系模型在画师串方面的自由度要远远逊色于 NAI4.5。不过话又说回来了，光辉作为一个能放在民用电脑上跑的，体量才 6G 的「小」模型，能和 NAI4.5 这种公司专门拿来吃饭的，要跑在服务器上的大模型对比，本身已经是相当难能可贵的事情了……
现在，我们已经了解到了 Lora 的作用与画师串，是时候完成我们的目标了：复刻 CunnyFunky 的画风。
画师串：(artist:tianliang duohe fangdongye:0.9), artist:ciloranko, artist:noyu, noyu23386566,ningen mame, (artist:sho:0.8264462809917354), (sho lwlw:0.9090909090909091),(artist:kedama_milk:0.5),(bee_\(deadflow\):0.7),artist:dino,(artist:fkey:0.8),(artist:wlop:1),year 2023,
（这里有些画师相当诡异的权重大概率来自 NovelAI 的转换失误，CunnyFunky 很有可能是在 NovelAI 研究的画风，然后拉回本地跑。也因此，这个画师串有些画风其实开源模型是搞不定的……）
光影和质量词：depth of field,dynamic lighting,light particle,best quality,very aesthetic,highres,absurdres,
负面提示词：censored,censor,censor bar,negative_hand, NegfeetV2, bad anatomy,blurry,(worst quality:1.8),low quality,hands bad,face bad,(normal quality:1.3),bad hands,[extra fingers],mutated hands and fingers,extra legs,extra arms,duplicate,cropped,text,jpeg,artifacts,signature,watermark,username,blurry,artist name,trademark,title,multiple view,Reference sheet,long body,multiple breasts,mutated,bad anatomy,disfigured,bad proportions,duplicate,bad feet,artist name,ugly,text font ui,missing limb,monochrome,
使用的 Lora 有四个，分别是 add_contrast_XL add_brightness_XL, add_saturation_XL 以及 Expressive_H，这些都可以在 CivitAI 中找到。
当然，你也可以免了这些破事：
miaomiaoRealskin，你值得拥有。
你也可以找个 CunnyFunky 的 Lora：
但起码，你也知道了画师串有什么用。
当然，CunnyFunky 很显然是换过了底模以及一些其他东西的，针对这些不管怎么捣鼓其实都只是在他旧画风上研究。但就像我前面所说的，画师本人来了都不一定能认出里头塞了他的画风，更何况还有对比度之类的调整呢？我们不应该一昧的模仿，在此基础之上改造，往自己需要的方向改才是正确的法子。
最后推荐一点 SDXL 在二次元领域三个主流分支（illustriousXL NoobAIXL PonyXL）个人常用的模型。
illustrious：wai16、OneObsession、ntrMIXillustrious（这个是光辉和 noob 的混合模型，但如果你知道 noob 怎么来的你一定会觉得这个模型非常搞笑）
Pony：无（扫福瑞可以多了解一下这方面的模型）
NoobAI：waiSHUFFLENOOB、chenkinNoobXL（CKXL 没有做任何的美学微调，就像 illustriousXL v0.1 一样，要找微调模型，本体适合会加 Lora 和会写提示词的人用）
目前这些模型中，chenkinNoobXL 对 Danbooru 标签的支持度最好，支持到了 2025 年 9 月。
|
[复制链接]
发表于 2026-1-17 23:42:45
楼主
另外小马有独属的 score9_up，这个又和小马训练时的基准有关。团队在训练小马的时候采用了人工对训练数据打分的做法，并且将分数数据也塞进了模型，而 score9_up 就意味着 9 分以上，也因此你可能会看见有些图的提示词里有 score9_up, score8_up, score7_up，意味着要求模型生成七分以上的图。光辉则是使用 masterpiece,amazing quality, best quality 这种质量词。至于具体动作、镜头等这些模型应该就是互通的了。
说不定哪天有无敌大神把这些模型接入千问的编码器，这样就基本完美了（做梦）
