.ai

de bästa AI-modellerna med öppen källkod

Sök

Noden Load LoRA i ComfyUI

Load LoRA (LoraLoader) applicerar en LoRA-fil på MODEL och CLIP med separata styrkor, så att en stil, karaktär eller koncept kan läggas till vilken checkpoint som helst utan att slå ihop dem.

Nodpaket: ComfyUI core

Kategori: Laddare

Vad Load LoRA gör

En LoRA är ett litet tillägg som tränats ovanpå en basmodell. Load LoRA tar MODEL och CLIP från en checkpoint loader, applicerar tillägget och ger ut nya MODEL och CLIP-objekt. Allt som händer efteråt (prompter, sampler) använder de patchade versionerna. Flera Load LoRA-noder kan kopplas ihop för att stapla LoRAs.

strength_model bestämmer hur mycket LoRA ändrar diffusionsnätverket, strength_clip hur mycket den ändrar textkodaren. De flesta LoRAs är gjorda för 0.6 till 1.0 på båda. Negativa styrkor skjuter modellen bort från konceptet. LoraLoaderModelOnly är samma nod utan CLIP-sidan, vilket är allt som behövs för de flesta Flux och video LoRAs.

Ingångar

Namn	Typ	Vad det är
model	MODEL	Modellen som ska patchas, från Load Checkpoint, Load Diffusion Model eller en tidigare LoRA-nod.
clip	CLIP	Textkodaren som ska patchas.
lora_name	COMBO	LoRA-filen från models/loras.
strength_model	FLOAT	Vikten som appliceras på modellpatchen. 1.0 är den tränade styrkan; 0 stänger av den.
strength_clip	FLOAT	Vikten som appliceras på textkodarpatchen.

Utgångar

Namn	Typ	Vad det är
MODEL	MODEL	Den patchade modellen för samplern eller nästa LoRA.
CLIP	CLIP	Den patchade textkodaren för CLIP Text Encode.

Hoppa över installationen: ComfyUI-arbetsflöden förinstallerade i molnet

BitVector kör färdiga ComfyUI-arbetsflöden på sina egna GPU:er. Ingen installation, inga saknade noder, inga röda rutor. Öppna det på telefonen eller datorn och generera inom en minut.

Prova BitVector

Så använder du Load LoRA

Lägg LoRA-filen i ComfyUI/models/loras.
Sätt in Load LoRA mellan checkpoint loader och samplern: model och clip in, MODEL och CLIP ut.
Koppla CLIP-utgången till CLIP Text Encode-noderna, inte den ursprungliga checkpoint CLIP.
Välj lora_name och ställ in båda styrkorna, börja på 0.8.
Lägg till triggerorden från LoRA-sidan i den positiva prompten.

Inställningar och tips

LoRA måste matcha basfamiljen: en SDXL LoRA gör inget användbart på SD 1.5 och en Flux LoRA funkar inte på SDXL.
När du staplar LoRAs, sänk varje styrka så att totalen håller sig runt 1.0 till 1.5; full styrka på alla bränner bilden.
En LoRA som bara ändrar modellen (inga textkodarlager) skriver "lora key not loaded" för CLIP-nycklar; det är ofarligt.
För en snabb A/B, sätt strength_model till 0 istället för att koppla ur noden; grafen håller sig kopplad.
Använd en LoRA-stacker nod från ett custom pack (rgthree Power Lora Loader, Efficiency LoRA Stacker) om du ofta använder fler än tre.

Felsökning av Load LoRA

lora key not loaded: lora_unet_... (dussintals rader)

Varför det händer

LoRA:n är tränad för en annan arkitektur än modellen den appliceras på, så inga lagernamn matchar.

Så löser du det

Kolla LoRA-sidan för basmodellen (SD 1.5, SDXL, Pony, Illustrious, Flux) och para ihop med en checkpoint från samma familj. Några få omatchade nycklar är normalt; hundratals betyder fel familj.

LoRA:n har ingen synlig effekt

Varför det händer

CLIP Text Encode-noderna är fortfarande kopplade till checkpoint CLIP istället för LoRA-utgången, triggerord saknas eller styrkan är 0.

Så löser du det

Koppla om båda prompt-noderna till CLIP som kommer från Load LoRA, lägg till triggerorden och höj strength_model till 1.0 för att bekräfta att det funkar innan du sänker.

Bilder är översaturerade, överexponerade eller fulla av artefakter

Varför det händer

Den sammanlagda LoRA-styrkan är för hög, ofta för att flera LoRAs körs på 1.0 samtidigt eller en övertränad LoRA behöver mindre än 1.

Så löser du det

Sänk strength_model till 0.5-0.7 per LoRA och håll totalen runt 1.2 eller lägre. Höj cfg lite om detaljer försvinner.

Fel: Förväntad storlek för de två första dimensionerna i batch2 tensor var... (formmatchning)

Varför det händer

En LoRA med fel rank eller familj appliceras på CLIP, oftast en SDXL LoRA med strength_clip över 0 på en Flux CLIP.

Så löser du det

Använd LoraLoaderModelOnly för Flux och video LoRAs, eller sätt strength_clip till 0.

Kör detta arbetsflöde från telefonen

Varje arbetsflöde på den här sidan är förinstallerat på BitVector med sina modeller och anpassade noder. Välj, skriv en prompt, klart. Noll installation, inget att ladda ner.

Prova BitVector

Frågor om Load LoRA

Kan jag ladda flera LoRAs?

Ja. Koppla Load LoRA-noder i serie: MODEL och CLIP-utgångarna från en går in i nästa. Ordningen spelar sällan roll; styrkorna gör det.

Ska strength_model och strength_clip vara lika?

Vanligtvis. Sänk strength_clip när LoRA:n tar över prompten för mycket, sänk strength_model när stilen blir för tung.

Fungerar LyCORIS / LoCon / DoRA-filer här?

De flesta gör det, i samma nod. Mycket gamla format kan behöva LyCORIS custom node pack.

Relaterade noder

Load Checkpoint

ComfyUI core

Load Checkpoint (CheckpointLoaderSimple) öppnar en .safetensors- eller .ckpt-modellfil och delar upp den i de tre delar som varje arbetsflöde behöver: diffusionens MODEL, CLIP textkodare och VAE.

CLIP Text Encode (Prompt)

ComfyUI core

CLIP Text Encode omvandlar en textprompt till CONDITIONING med hjälp av modellens textkodare. En nod håller den positiva prompten, en annan den negativa prompten.

KSampler

ComfyUI core

KSampler kör avbrusningsloopen: den tar modellen, prompts och en latent och skapar den färdiga latenta bilden, styrd av seed, steg, cfg, sampler, scheduler och denoise.

Load Diffusion Model

ComfyUI core

Load Diffusion Model (UNETLoader) laddar ett rent brusreduceringsnätverk som Flux, SD3.5, Wan eller HunyuanVideo från models/diffusion_models, med ett vikt_dtype-alternativ för fp8 för att spara VRAM.

Trött på att laga noder? Låt molnet göra det

BitVector håller hundratals ComfyUI-arbetsflöden installerade, uppdaterade och testade på snabba moln-GPU:er. Ingen Python, inga CUDA-fel, inga VRAM-gränser. Fungerar från vilken webbläsare som helst.

Prova BitVector