探索Stable Diffusion附加网络：小模型大作用
附加网络是 Stable Diffusion 生态里除大模型外的重要**“小模型”**，它们能帮助改变风格、植入角色，甚至修复画面问题。最常见的两类是 **Embedding（词嵌入模型）**和 LoRA（低秩适应模型）。
Embedding 体积极小，却能将图像特征浓缩为向量，引导 AI 在生成中更好地识别风格或概念；LoRA 则通过微调部分参数，在不训练大模型的前提下实现近似的效果。两者都必须依附于大模型使用，并且需要注意版本匹配。课程还演示了如何下载、放置和调用这些模型，让初学者真正打开了 Stable Diffusion 的“外挂世界”。
Embedding / LoRA模型下载地址
Section titled “Embedding / LoRA模型下载地址”Embedding
Section titled “Embedding”Corneo’s Makima (Chainsaw Man) TI Embedding：https://civitai.green/models/5331
Coloring Book Style：https://civitai.green/models/49040
Crystal Statue：https://civitai.green/models/604010
PlanIt! a documentation embedding：https://civitai.green/models/4775
AgeSlider：https://civitai.green/models/65214
badhandv4：https://civitai.green/models/16993
Fast Negative Embedding (+ FastNegativeV2)：https://civitai.green/models/71961
EasyNegative：https://civitai.green/models/7808
Deep Negative V1.x：https://civitai.green/models/4629
BadDream + UnrealisticDream：https://civitai.green/models/5373
Makima (Chainsaw Man) LoRA：https://civitai.green/models/5373
blindbox/大概是盲盒：https://civitai.green/models/25995
LEOSAM’s Instant photo 拍立得/Polaroid LoRA & LoHA：https://civitai.green/models/52652
Studio Ghibli Style LoRA：https://civitai.green/models/6526
Hairstyles Collection：https://civitai.green/models/76937
hanfu 汉服：https://civitai.green/models/15365
Detail Tweaker LoRA (细节调整LoRA) ：https://civitai.green/models/58390
epi_noiseoffset：https://civitai.green/models/13941
1. 什么是附加网络模型？
Section titled “1. 什么是附加网络模型？”在 Stable Diffusion (SD) 的生态系统中，除了作为基础底座的 Checkpoint (大模型) 之外，还有许多“神奇的小模型”，统称为附加网络模型 。
核心作用：它们可以改变图片风格、塑造特定人物形象、提高画质或修复手部等瑕疵 。
性质：它们本质上是基于大模型进行补充训练得到的微调模型 。
区别：
Checkpoint (大模型)：体积大（2GB+），能力最强，可独立使用 。
附加网络 (小模型)：体积小（几百KB 到 几百MB），无法单独使用，必须依附于一个大模型 。
2. 核心模型类型详解
Section titled “2. 核心模型类型详解”2.1 Embedding (Textual Inversion / 词嵌入模型)
Section titled “2.1 Embedding (Textual Inversion / 词嵌入模型)”概念：将图像或文本的特征提取为数学向量 。简单来说，它相当于“打包”了一组特定的关键词 。
体积：极小，通常只有 几十到几百 KB 。
特点：虽然体积小，但在具体概念的“打包”效果上不如 LoRA，常用于画风微调或负面提示词（Negative Embeddings）以提升画质 。
2.2 LoRA (Low-Rank Adaptation / 低秩适应模型)
Section titled “2.2 LoRA (Low-Rank Adaptation / 低秩适应模型)”概念：提取大模型中的一小部分关键参数进行专门微调 。可以把它看作是主模型的一个“外挂配件” 。
体积：中等大小，通常在 几十 MB 到几百 MB，最大不超过 1GB 。
特点：效率高、门槛低，能实现强力的风格转换（如盲盒风）或角色植入 。
注：Hypernetwork 等旧模型已逐渐被淘汰，ControlNet 等复杂模型将在后续课程单独讲解 。
3. 模型的下载与安装
Section titled “3. 模型的下载与安装”3.1 下载注意事项
Section titled “3.1 下载注意事项”筛选：在模型网站搜索时，需筛选 LoRA 或 Embedding 类型 。
版本匹配（关键）：必须确认底模版本。基于 SD 1.5 训练的 LoRA 只能搭配 SD 1.5 的大模型使用，若跨版本（如搭配 SDXL）会导致报错或效果不佳 。
3.2 安装路径
Section titled “3.2 安装路径”下载后，需将文件放入 SD WebUI 根目录下的指定文件夹：
Embedding：存放在 embeddings 文件夹 。
LoRA：存放在 models/Lora 文件夹 。
小技巧：你可以在这些文件夹内新建子文件夹（如按风格分类），WebUI 会自动识别并分类显示，方便管理 。
4. 如何在 WebUI 中使用
Section titled “4. 如何在 WebUI 中使用”4.1 启用界面
Section titled “4.1 启用界面”- 在 WebUI 生成参数旁边的标签页中，找到附加网络菜单（通常显示为红色的“花札”图标） 。
- 如果是新放入的模型，必须点击列表右上角的 “刷新” 按钮，模型才会显示 。
4.2 激活模型
Section titled “4.2 激活模型”LoRA：点击模型卡片，提示词框中会自动添加 <lora:模型名:权重>。权重默认为 1，可修改数值控制影响程度 。
Embedding：点击模型卡片，会以关键词（Trigger Word）的形式加入提示词中 。
5. 实战案例：制作 Q 版盲盒图片
Section titled “5. 实战案例：制作 Q 版盲盒图片”将一张普通的 2.5D 风格角色图片，转换为 Q 版盲盒玩具风格，并修复手部瑕疵。
准备模型：
- 下载盲盒风格 LoRA（如
Blind Box） 。 - 下载通用负面 Embedding（如
Fast Negative,Bad Dream） 。
设置正向提示词：
- 输入基础描述。
- 在 LoRA 菜单点击
Blind Box模型，加入<lora:blindbox:1>。
设置负面提示词：
- 点击负面提示词框。
- 在 Embedding 菜单点击
Fast Negative等模型，将其加入负面提示词 。
生成：
- 点击生成。画面风格将变为盲盒 Q 版，且由于加入了负面 Embedding，人物姿势（如手部）会更自然，画面更纯净 。
6.知识大纲
Section titled “6.知识大纲”