Panduan Penumpukan LoRA ComfyUI untuk Generasi NSFW

Satu LoRA jarang cukup untuk pekerjaan NSFW tingkat produksi. Anda butuh LoRA karakter untuk konsistensi wajah, LoRA gaya untuk perlakuan visual, LoRA anatomi untuk kesetiaan eksplisit, dan mungkin LoRA unlock jika Anda memakai base model yang butuh bantuan. Tumpukan tiga atau empat LoRA itu harus bekerja sama tanpa salah satunya membatalkan yang lain atau menghasilkan hasil rata-rata yang berantakan. Kebanyakan orang menumpuk LoRA dengan memasukkan semuanya pada bobot default lalu berharap hasilnya bagus. Itulah sebabnya output mereka terlihat seperti diaduk blender. Menumpuk LoRA dengan baik adalah keterampilan teknik, dan inilah proses persis yang saya gunakan untuk mendapatkan output bersih dari tumpukan yang kompleks.

Jawaban Singkat: Di ComfyUI, rantai node LoRA Loader atau gunakan LoRA Stacker dari Efficiency Nodes. Tumpukan tipikal mengatur LoRA unlock di 0.7, LoRA karakter di 0.8, LoRA gaya di 0.6, LoRA anatomi di 0.5. Setiap LoRA punya bobot model dan CLIP. Turunkan bobot CLIP (0.4-0.6) jika prompt terasa kacau. Uji satu LoRA pada satu waktu, lalu tambahkan lebih banyak secara bertahap. Konflik antara dua LoRA yang mencoba melakukan hal serupa adalah kegagalan paling umum.

Mengapa Satu LoRA Jarang Cukup

Begini, alasan Anda tidak bisa mendapatkan output NSFW tingkat produksi dari satu LoRA adalah karena LoRA itu spesialis. LoRA karakter menyandikan fitur wajah dan proporsi tubuh tetapi tidak tahu seperti apa tekstur kulit yang bagus. LoRA gaya menyandikan pencahayaan dan perlakuan warna tetapi tidak tahu wajah karakter Anda. LoRA anatomi mengisi celah konten eksplisit tetapi tidak punya pendapat tentang komposisi. Setiap LoRA membawa informasi dalam pita yang sempit, dan output yang bagus membutuhkan beberapa pita yang bekerja bersama.

Matematika di balik mengapa ini berhasil. Sebuah LoRA memodifikasi bobot base model dalam dekomposisi peringkat rendah, yang berarti ia menggeser perilaku model ke arah tertentu sambil membiarkan sebagian besar model tidak berubah. Menumpuk beberapa LoRA menggabungkan geseran mereka, dan selama geseran itu berada di arah yang kira-kira ortogonal, efek gabungannya adalah gabungan dari kemampuan masing-masing.

Di mana penumpukan jadi salah adalah ketika dua LoRA menggeser ke arah serupa. Jika Anda memuat dua LoRA kulit fotorealistik pada kekuatan penuh, keduanya mendorong model ke arah kulit fotorealistik, dan efek gabungannya adalah "kulit terlalu fotorealistik" yang biasanya berarti seperti lilin atau terlalu detail. Ini adalah kegagalan penumpukan paling umum dan terjadi setiap kali kreator memuat LoRA tanpa memikirkan apa sebenarnya yang dilakukan masing-masing.

Model mental yang tepat. Bayangkan setiap LoRA sebagai vektor dalam ruang gaya. Menumpuk LoRA menjumlahkan vektor-vektor itu. Jika dua vektor mengarah ke arah serupa, Anda mendapatkan hasil yang berlebihan di arah itu. Jika mengarah ke arah berbeda, Anda mendapatkan kombinasi yang seimbang. Tumpuk LoRA yang beragam, bukan yang berlebihan.

Khusus untuk pekerjaan NSFW, tumpukan produksi tipikal mencakup empat pita:

• Pita unlock: Membantu base model menghasilkan konten eksplisit (terutama untuk Flux)
• Pita karakter: Mengunci fitur wajah/tubuh tertentu
• Pita gaya: Mengontrol perlakuan visual (fotorealistik, sinematik, fashion)
• Pita anatomi: Meningkatkan kesetiaan konten eksplisit

Pita-pita ini cukup ortogonal sehingga keempatnya bisa ditumpuk tanpa konflik besar. Menambahkan lebih banyak LoRA di luar ini biasanya memperkenalkan redundansi dan menurunkan output.

Bobot Model vs Bobot CLIP

Setiap LoRA Loader ComfyUI punya dua parameter bobot yang disebut strength_model dan strength_clip. Kebanyakan tutorial mengabaikan perbedaan di antara keduanya. Mengetahui perbedaannya adalah kunci untuk penumpukan yang serius.

strength_model mengontrol seberapa banyak LoRA memodifikasi UNet (model difusi itu sendiri). Ini adalah pengaruh visual. strength_model yang lebih tinggi berarti tanda visual LoRA muncul lebih kuat di output. Inilah yang oleh kebanyakan orang dianggap sebagai "kekuatan LoRA."

strength_clip mengontrol seberapa banyak LoRA memodifikasi text encoder (CLIP). Ini memengaruhi bagaimana model menafsirkan prompt. strength_clip yang lebih tinggi berarti LoRA membiaskan pemahaman prompt ke arah apa pun yang menjadi dasar pelatihan LoRA.

Untuk kebanyakan kasus, Anda ingin strength_model dan strength_clip pada nilai yang kira-kira sama. Model dan text encoder perlu sepakat tentang apa yang diinginkan LoRA. Jika keduanya terlalu jauh menyimpang, Anda mendapatkan output kacau di mana model merender satu hal sementara text encoder mengira Anda meminta hal lain.

Tetapi ada kasus tertentu di mana Anda ingin keduanya berbeda:

• LoRA karakter: Sering diuntungkan dari bobot CLIP yang sedikit lebih rendah (0.6-0.7 vs 0.8 bobot model) karena modifikasi CLIP bisa terlalu menonjolkan kata pemicu nama karakter dan membuat prompt terasa terbatas.
• LoRA gaya: Kadang diuntungkan dari bobot CLIP yang lebih tinggi untuk mendorong model menafsirkan prompt dalam kosakata gaya LoRA.
• LoRA anatomi: Biasanya menginginkan bobot CLIP yang lebih rendah (0.4-0.5) untuk menghindari model terlalu menonjolkan anatomi dalam penafsiran prompt.
• LoRA unlock: Menginginkan strength_model di 0.7-0.8 dan strength_clip di 0.5-0.6 karena memutar CLIP terlalu tinggi mulai merusak semantik prompt.

Titik awal 2026 yang umum dan berhasil:

• strength_model: 0.8
• strength_clip: 0.6

Ini adalah ketidakseimbangan kecil yang memberikan pengaruh visual tanpa mengacaukan prompt. Setel dari situ berdasarkan rasa tumpukan Anda.

Penyiapan Node LoRA Stacker

Untuk menumpuk 3+ LoRA dengan rapi, node LoRA Stacker dari Efficiency Nodes adalah alat yang tepat. Ia menggabungkan beberapa operasi LoRA Loader ke dalam satu node, yang menjaga graf Anda tetap terbaca. Instal Efficiency Nodes melalui ComfyUI Manager. Node muncul sebagai "LoRA Stacker" di kategori loaders.

Node LoRA Stacker punya:

• lora_count: jumlah slot LoRA yang akan ditampilkan (atur sesuai ukuran tumpukan Anda)
• mode: "simple" atau "advanced" (simple memakai satu bobot per LoRA, advanced memisahkan model dan CLIP)
• Untuk setiap slot: lora_name (dropdown LoRA yang tersedia), strength (atau strength_model dan strength_clip di mode advanced)

Untuk pekerjaan NSFW saya selalu memakai mode advanced karena perbedaan bobot model/CLIP itu penting. Mode simple boleh saja untuk eksperimen santai tetapi membatasi opsi penyetelan Anda.

Node mengeluarkan satu LORA_STACK yang Anda hubungkan ke node hilir yang menerapkan semua LoRA tertumpuk sekaligus. Pola standarnya adalah:

1. CheckpointLoader → keluarkan model dan clip
2. LoRA Stacker → masukkan lora_count dan pengaturan per-LoRA → keluarkan LORA_STACK
3. Apply LoRA Stack → masukan model, clip, LORA_STACK → keluarkan model dan clip yang dimodifikasi
4. KSampler dengan model dan clip yang dimodifikasi

Ini tetap bersih secara visual bahkan dengan 5+ LoRA dalam tumpukan. Dibandingkan LoRA Loader yang dirantai (di mana setiap loader adalah node terpisah), pendekatan Stacker jauh lebih terbaca untuk alur kerja produksi.

Opsi stacker lain yang layak diketahui adalah multi-lora-stack dari ShmuelRonen, yang punya antarmuka lebih dinamis dan bisa menukar LoRA saat runtime. Berguna untuk alur kerja eksperimental tetapi Stacker Efficiency Nodes standar adalah yang saya pakai untuk produksi.

Resep: Unlock + Karakter + Gaya + Anatomi

Tumpukan empat pita yang mencakup sebagian besar pekerjaan NSFW produksi. Pengaturan adalah titik awal; setel berdasarkan LoRA spesifik dan base model Anda.

Untuk Pony Realism v2.2 atau SDXL berbasis Pony serupa:

LoRA 1 (Unlock, opsional untuk Pony):
  lora_name: pony_nsfw_unlock.safetensors (jika diperlukan)
  strength_model: 0.4 (Pony sudah tahu NSFW)
  strength_clip: 0.3

LoRA 2 (Karakter):
  lora_name: <your_character>.safetensors
  strength_model: 0.85
  strength_clip: 0.7

LoRA 3 (Gaya):
  lora_name: photoreal_skin.safetensors
  strength_model: 0.6
  strength_clip: 0.5

LoRA 4 (Anatomi):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.5
  strength_clip: 0.4

Total bobot model gabungan: 2.35. Ini berada di rentang aman untuk model keluarga SDXL. Di atas 3.0 Anda mulai berisiko mengalami penurunan output. Di bawah 1.5 Anda mungkin kurang memanfaatkan tumpukan.

Untuk RealVisXL V5 (tanpa prior NSFW bawaan):

LoRA 1 (Unlock):
  lora_name: realvis_nsfw.safetensors
  strength_model: 0.75
  strength_clip: 0.55

LoRA 2 (Karakter):
  lora_name: <your_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.65

LoRA 3 (Gaya):
  lora_name: cinematic_lighting.safetensors
  strength_model: 0.55
  strength_clip: 0.5

LoRA 4 (Anatomi):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.55
  strength_clip: 0.4

Total bobot model gabungan: 2.65. Sedikit lebih tinggi karena RealVisXL butuh dorongan lebih dari LoRA unlock untuk bersaing dengan bias pelatihan potret fotorealistiknya.

Untuk Flux Dev atau Flux Schnell:

LoRA 1 (Unlock, kritis):
  lora_name: flux_nsfw_unlock.safetensors
  strength_model: 0.85
  strength_clip: 0.65

LoRA 2 (Karakter):
  lora_name: <your_flux_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.7

LoRA 3 (Gaya):
  lora_name: flux_photoreal.safetensors
  strength_model: 0.5
  strength_clip: 0.45

Total tiga LoRA karena Flux punya ekosistem LoRA yang lebih kecil dan menumpuk lebih banyak lebih sering memperkenalkan konflik. Total bobot model gabungan: 2.15.

Pola di atas adalah titik awal. Pekerjaan sebenarnya adalah menyapu bobot individu dan melihat apa yang berhasil untuk kombinasi LoRA spesifik dan base model Anda.

Pola Konflik dan Cara Mendiagnosisnya

Mengenali pola konflik adalah perbedaan antara menebak dan menyetel. Berikut kegagalan paling umum dan seperti apa tampilannya di output.

Persaingan gaya (paling umum): Dua LoRA mencoba melakukan hal serupa. Output terlihat "keruh" atau "berlebihan." Tanda spesifik termasuk kulit yang terlihat seperti lilin, pencahayaan yang terasa artifisial, dan warna yang terlalu jenuh.

Perbaikan: Kurangi salah satu LoRA yang bersaing ke strength_model 0.4-0.5, atau hapus sepenuhnya.

Pergeseran karakter dari LoRA gaya: Wajah dari LoRA karakter ditimpa oleh LoRA gaya yang agresif. Tanda spesifik termasuk bentuk wajah berubah antar generasi dengan prompt yang sama, pergeseran etnis, dan ekspresi yang mendatar.

Perbaikan: Turunkan strength_model LoRA gaya ke 0.4-0.5. Naikkan strength_model LoRA karakter ke 0.9. Turunkan strength_clip LoRA gaya secara khusus ke 0.3-0.4.

Penonjolan anatomi berlebihan: LoRA anatomi menarik terlalu kuat pada detail tubuh. Tanda spesifik termasuk fitur anatomi yang dilebih-lebihkan secara kartunis, bagian tubuh yang terlihat jelas disuntik LoRA, dan prompt tentang detail non-anatomi yang diabaikan.

Perbaikan: strength_model LoRA anatomi maksimal 0.4. Bobot CLIP khususnya harus sangat rendah (0.3-0.4) untuk LoRA anatomi karena modifikasi CLIP itulah yang membuat LoRA terlalu menonjolkan fitur dalam prompt.

LoRA unlock merembes ke konten SFW: LoRA unlock membiaskan semua generasi ke arah NSFW bahkan saat prompt tidak memintanya. Tanda spesifik termasuk setiap generasi cenderung eksplisit bahkan dengan prompt yang seharusnya SFW, dan model menambahkan elemen NSFW tanpa diminta.

Perbaikan: strength_model LoRA unlock maksimal 0.6. Jika Anda mengerjakan campuran SFW/NSFW, bangun alur kerja terpisah untuk masing-masing dan pakai LoRA unlock hanya di alur kerja NSFW.

Pergeseran warna di seluruh tumpukan: Beberapa LoRA dilatih pada perlakuan warna yang berbeda. Output punya suhu warna yang tidak konsisten antar generasi. Tanda spesifik termasuk kulit yang terlihat merah muda di satu generasi dan kuning di berikutnya, dengan prompt yang sama.

Perbaikan: Identifikasi LoRA mana yang paling kuat berpendapat soal warna (biasanya LoRA gaya atau fotorealistik). Kunci LoRA itu ke bobot moderat (0.5-0.6) dan setel yang lain di sekitarnya.

Pendekatan diagnostik untuk konflik apa pun. Nonaktifkan semua LoRA kecuali satu. Hasilkan. Tambahkan LoRA berikutnya. Hasilkan. Bandingkan. LoRA yang penambahannya merusak output adalah sumber konflik. Turunkan bobotnya atau hapus.

Prosedur Sapuan Bobot

Penyetelan bobot sistematis mengalahkan menebak. Prosedur yang saya pakai:

1. Kunci seed. Pilih satu seed yang menghasilkan output yang dapat diterima dan kunci untuk seluruh sapuan. Ini mengisolasi efek LoRA dari variasi seed.

2. Tetapkan baseline. Hasilkan dengan semua LoRA pada "bobot awal yang wajar" (resep di atas). Simpan ini sebagai baseline.

3. Sapu satu LoRA pada satu waktu. Variasikan strength_model satu LoRA di sebuah rentang (biasanya 0.3, 0.5, 0.7, 0.9). Jaga semua LoRA lain pada bobot baseline. Hasilkan di setiap pengaturan.

4. Pilih pengaturan terbaik untuk LoRA itu. Lihat keempat output. Pilih yang kontribusi LoRA ini paling kuat tanpa merusak output keseluruhan. Kunci bobot itu.

5. Lanjut ke LoRA berikutnya. Ulangi sapuan dengan LoRA berikutnya dalam tumpukan, menjaga LoRA yang sudah disetel sebelumnya terkunci pada bobot terbaiknya.

6. Iterasi jika perlu. Kadang menyetel LoRA 3 mengungkap bahwa pengaturan LoRA 1 perlu disesuaikan. Jangan takut untuk kembali.

Prosedur ini memakan 20-40 generasi untuk tumpukan empat LoRA tetapi hasilnya adalah tumpukan tersetel yang secara konsisten menghasilkan apa yang Anda inginkan. Dibandingkan pendekatan "masukkan semua LoRA di 1.0" yang menghasilkan output berantakan 60 persen dari waktu, investasi waktunya cepat terbayar.

Untuk mengotomatiskan ini di ComfyUI, ekstensi XY Plot memungkinkan Anda menghasilkan secara batch di seluruh sapuan parameter secara otomatis. Atur sumbu sapuan ke dua kekuatan LoRA dan hasilkan seluruh kisi dalam satu batch. Jauh lebih cepat daripada sapuan manual.

Untuk lebih banyak tentang penyeimbangan bobot di seluruh tumpukan kompleks, tulisan Pony Realism vs RealVisXL saya membahas bagaimana kompatibilitas LoRA berbeda antara kedua ekosistem, yang memengaruhi tumpukan apa yang bahkan mungkin. Jika Anda menjalankan tumpukan pada 8 GB VRAM, panduan penyiapan VRAM rendah membahas berapa banyak LoRA yang praktis bisa Anda muat sebelum mengalami OOM.

Menyimpan Preset Tumpukan

Setelah Anda punya tumpukan yang tersetel, simpan sebagai preset. ComfyUI punya beberapa cara untuk melakukan ini:

Simpan seluruh alur kerja sebagai JSON. Klik kanan pada kanvas, simpan alur kerja. Ini mempertahankan tumpukan LoRA bersama segala hal lainnya (sampler, prompt, ControlNet, dll). Muat ulang sebagai templat saat Anda butuh tumpukan ini.

Simpan hanya tumpukan sebagai templat node. Pilih node LoRA Stacker, klik kanan, simpan sebagai templat. Ini menyimpan hanya konfigurasi tumpukan, yang bisa Anda jatuhkan ke alur kerja mana pun.

Gunakan pustaka alur kerja ComfyUI Manager. Simpan alur kerja tersetel di situ untuk pemakaian ulang yang mudah di seluruh proyek.

Untuk pekerjaan produksi, saya memelihara sekitar 8-10 preset tumpukan bernama yang mencakup kasus penggunaan umum:

• Potret Fotorealistik
• Tubuh Penuh Fotorealistik
• Gaya Hidup Sinematik
• Fashion Editorial
• Potret Anime
• Tubuh Penuh Anime
• Adegan Multi-Karakter
• Hero Image (Detail Maksimal)

Setiap preset punya tumpukan tersetelnya sendiri dan saya beralih di antaranya berdasarkan apa yang saya buat. Ini jauh lebih cepat daripada menyetel ulang untuk setiap proyek.

Tiga Tumpukan NSFW yang Dapat Dipakai Ulang

Tiga preset tumpukan lengkap yang mencakup skenario produksi umum. Pakai apa adanya atau sebagai titik awal untuk penyetelan Anda sendiri.

Tumpukan 1: Potret Gaya Hidup Fotorealistik (base RealVisXL)

1. realvis_nsfw_v3: model 0.7, clip 0.55
2. <character>: model 0.85, clip 0.7
3. cinematic_lighting: model 0.5, clip 0.5
4. detailed_skin: model 0.45, clip 0.4

Terbaik untuk potret subjek tunggal atau tubuh bagian atas, pencahayaan terkontrol, estetika fotorealistik. Hindari untuk pekerjaan berfokus anatomi eksplisit (LoRA unlock moderat, tidak agresif).

Tumpukan 2: Tubuh Penuh Eksplisit (base Pony Realism)

1. <character>: model 0.85, clip 0.7
2. photoreal_skin_pony: model 0.65, clip 0.5
3. anatomy_v2: model 0.55, clip 0.4
4. (opsional) pose_detail: model 0.4, clip 0.35

Terbaik untuk konten eksplisit berfokus anatomi, cakupan tubuh penuh, gaya fotorealistik. Pony Realism tidak butuh LoRA unlock. Hindari untuk pekerjaan berfokus potret (LoRA anatomi terlalu menonjol untuk potongan khusus wajah).

Tumpukan 3: Anime NSFW (base NoobAI XL atau Illustrious)

1. anime_nsfw_unlock: model 0.7, clip 0.55
2. <character>: model 0.85, clip 0.7
3. anime_style: model 0.5, clip 0.45
4. detailed_eyes: model 0.4, clip 0.35

Terbaik untuk NSFW gaya anime dengan konsistensi karakter. LoRA gaya adalah kepribadian output, jadi pilih berdasarkan target estetika Anda (lebih bergaya lukisan, lebih cell-shaded, dll). Hindari untuk pekerjaan fotorealistik.

Ketiganya adalah titik awal. Jalankan sapuan bobot untuk menyetel berdasarkan LoRA spesifik Anda. Menyimpan masing-masing sebagai preset berarti Anda bisa beriterasi per proyek tanpa menyetel ulang dasarnya.

Untuk alur kerja LoRA tanpa pengelolaan, lewdly.ai merutekan prompt melalui tumpukan yang sudah tersetel di sisi server. Pengguna menjelaskan apa yang mereka inginkan dan platform menerapkan LoRA yang tepat pada bobot yang tepat. Ini adalah tingkat abstraksi yang tepat jika mengelola tumpukan LoRA bukan cara Anda ingin menghabiskan waktu. Keterbukaan penuh, saya membantu membangunnya.

Pertanyaan yang Sering Diajukan

Berapa banyak LoRA yang bisa saya tumpuk sekaligus di SDXL? Secara praktis 4-5 LoRA pada bobot moderat. Lewat dari 5, konflik dan penurunan kualitas menjadi parah. Beberapa alur kerja secara teknis mendukung 8+ LoRA tetapi outputnya jarang menyamai apa yang Anda dapatkan dari tumpukan yang lebih kecil dan tersetel dengan baik.

Apa perbedaan antara LoRA Stacker dan LoRA Loader yang dirantai? Secara fungsional serupa tetapi berbeda secara visual. LoRA Stacker menggabungkan beberapa LoRA ke dalam satu node untuk graf yang lebih bersih. LoRA Loader yang dirantai adalah node per-LoRA yang eksplisit. Keduanya menghasilkan output yang setara. Stacker lebih baik untuk 3+ LoRA, Loader individu cukup untuk 1-2.

Mengapa output saya terlihat berantakan dengan beberapa LoRA? Penyebab paling umum adalah dua LoRA mencoba melakukan hal serupa pada bobot tinggi. Nonaktifkan LoRA satu per satu untuk menemukan konfliknya. Turunkan atau hapus LoRA yang merusak output. Total bobot model gabungan di atas 3.0 juga merupakan penyebab umum.

Haruskah strength_clip selalu sama dengan strength_model? Biasanya tidak. Pengurangan kecil pada strength_clip (0.6-0.7 vs 0.8 model) membantu mencegah pengacakan prompt. Untuk LoRA anatomi khususnya, bobot CLIP yang jauh lebih rendah (0.3-0.4) mencegah penonjolan berlebihan. Untuk LoRA karakter, bobot CLIP yang lebih rendah mencegah fiksasi berlebihan pada kata pemicu nama karakter.

Bisakah saya mencampur LoRA Pony dan LoRA SDXL dalam tumpukan yang sama? Secara teknis ya, secara praktis tidak. Ruang laten berbeda dan LoRA dilatih pada model dasar yang berbeda. Anda bisa memakai LoRA Pony pada bobot yang dikurangi di base model Pony yang sudah berbagi ruang laten. Mencampur lintas ekosistem biasanya menghasilkan artefak.

Bagaimana dengan penggabungan LoRA alih-alih penumpukan? Penggabungan LoRA menggabungkan beberapa LoRA ke dalam satu file LoRA. Ini menghasilkan efek yang setara dengan penumpukan saat runtime tetapi dengan penggunaan VRAM yang lebih rendah selama sampling. Layak dilakukan untuk tumpukan produksi yang stabil. Alat penggabungan (di ComfyUI Manager atau lewat skrip kohya) menangani ini. Setelah digabung, LoRA gabungan dimuat sebagai satu LoRA dengan satu bobot.

Bagaimana saya tahu jika sebuah LoRA berkonflik dengan yang lain? Hasilkan dengan setiap LoRA secara individu dan bandingkan dengan output tumpukan. Jika output tumpukan kehilangan tanda terlihat dari satu LoRA, LoRA itu sedang ditekan oleh sesuatu yang lain dalam tumpukan. Jika output tumpukan punya artefak aneh yang tidak ada di LoRA individu mana pun, dua LoRA sedang saling menguatkan.

Apakah urutan LoRA penting dalam tumpukan? Dalam kebanyakan implementasi stacker, tidak. LoRA digabungkan sebagai jumlah modifikasi bobotnya dan urutan tidak mengubah hasil. Beberapa implementasi loader-dirantai lawas punya efek urutan kecil tetapi diabaikan saja.

Bisakah saya menonaktifkan LoRA tanpa menghapusnya dari alur kerja? Ya. Atur strength_model-nya ke 0 dan strength_clip ke 0. LoRA dimuat tetapi tidak berkontribusi apa pun. Ini berguna untuk uji A/B. Ingat saja untuk mengatur ulang bobot saat Anda ingin memasukkannya kembali ke campuran.

Berapa kekuatan maksimum yang bisa saya atur? Kebanyakan LoRA Loader menerima nilai 0-2.0 atau bahkan lebih tinggi. Di atas 1.0 terlalu menonjolkan LoRA melebihi dasar pelatihannya dan biasanya menghasilkan artefak. Tetap di rentang 0.3-1.0 untuk pekerjaan produksi. Rentang 1.0+ hanya untuk eksperimen.

Model Mental yang Tepat

Penumpukan LoRA adalah komposisi, bukan penjumlahan. Anggap setiap LoRA sebagai instrumen dalam sebuah ansambel. Biola solo menarik dengan sendirinya. Tiga biola memainkan baris yang sama hanya lebih keras, bukan lebih baik. Biola, viola, dan cello memainkan bagian yang saling melengkapi adalah musik. Prinsip yang sama berlaku untuk tumpukan LoRA. LoRA beragam yang melayani peran berbeda adalah musik. LoRA berlebihan pada bobot tinggi adalah kebisingan.

Pelajaran terbesar dari dua tahun menumpuk LoRA dalam alur kerja NSFW produksi. Penyetelan bobot yang disiplin mengalahkan perangkat keras yang mahal. Tumpukan tiga LoRA yang tersetel dengan baik pada base model moderat menghasilkan output lebih baik daripada tumpukan enam LoRA yang sembarangan pada perangkat keras terbaik. Pekerjaan yang masuk ke dalam penyetelan itulah yang menentukan plafonnya, bukan jumlah LoRA atau peralatannya.

Untuk orang yang ingin output bersih tanpa mengelola penyetelan sendiri, itulah persis yang ditangani oleh perutean LoRA sisi server lewdly.ai. Platform memilih tumpukan dan bobot berdasarkan analisis prompt dan pengguna tidak perlu memikirkan semua ini. Untuk kebanyakan pengguna itu adalah lapisan abstraksi yang tepat. Untuk pengguna teknis yang ingin kendali penuh, alur kerja ComfyUI manual yang dijelaskan di sini adalah caranya.

Sumber referensi termasuk GitHub Efficiency Nodes ComfyUI untuk node LoRA Stacker, repo multi-lora-stack untuk implementasi alternatif, dan dokumentasi LoRA Civitai yang punya panduan komunitas tentang kombinasi LoRA spesifik yang bekerja dengan baik.