NSFW生成のためのComfyUI LoRAスタッキングガイド

本格的なNSFW制作では、LoRAが1つだけで足りることはまずありません。顔の一貫性のためのキャラクターLoRA、ビジュアルの処理のためのスタイルLoRA、露骨な描写の精度のためのアナトミーLoRA、そしてベースモデルがサポートを必要とする場合はアンロックLoRAも要るでしょう。3つか4つのLoRAを重ねるこのスタックは、互いに打ち消し合ったり、雑に平均化された結果を生んだりすることなく、協調して働かなければなりません。多くの人はすべてをデフォルトの重みで放り込み、うまくいくことを願いながらLoRAを重ねます。だから出力がミキサーにかけられたような見た目になるのです。LoRAをうまく重ねるのは職人的なスキルであり、ここでは複雑なスタックからクリーンな出力を得るために私が使っている正確な手順を紹介します。

手早い答え: ComfyUIでは、LoRA Loaderノードを連結するか、Efficiency NodesのLoRA Stackerを使います。典型的なスタックでは、アンロックLoRAを0.7、キャラクターLoRAを0.8、スタイルLoRAを0.6、アナトミーLoRAを0.5に設定します。各LoRAにはmodelとCLIPの両方の重みがあります。プロンプトがぐちゃぐちゃに感じられる場合はCLIPの重みを下げてください(0.4から0.6)。1つずつLoRAをテストし、それから少しずつ追加していきます。似たようなことをしようとする2つのLoRAの競合が、最もよくある失敗です。

なぜLoRAが1つでは足りないのか

いいですか、単一のLoRAから本格的なNSFW出力が得られない理由は、LoRAが専門家だからです。キャラクターLoRAは顔の特徴と体のプロポーションをエンコードしますが、良い肌の質感がどんなものかは知りません。スタイルLoRAはライティングと色の処理をエンコードしますが、あなたのキャラクターの顔は知りません。アナトミーLoRAは露骨なコンテンツの欠落を埋めますが、構図についての意見は持ちません。各LoRAは狭い帯域で情報を運んでおり、良い出力には複数の帯域が協調して働くことが必要です。

これがなぜ機能するのかという仕組み。LoRAは低ランク分解でベースモデルの重みを変更します。つまり、モデルのほとんどを変えないまま、特定の方向にモデルの振る舞いをわずかに押すのです。複数のLoRAを重ねるとそれぞれの押す力が合わさり、押す方向がおおむね直交している限り、合わさった効果は個々の能力の和になります。

スタッキングがうまくいかなくなるのは、2つのLoRAが似た方向に押すときです。フォトリアルな肌のLoRAを2つともフルストレングスで読み込むと、両方がモデルをフォトリアルな肌へと押しており、合わさった効果は「過剰にフォトリアルな肌」になります。これはたいていワックスのようにテカった、あるいは細部が過剰な見た目を意味します。これは最もよくあるスタッキングの失敗で、クリエイターが各LoRAが実際に何をしているかを考えずにLoRAを読み込むたびに起こります。

正しいメンタルモデル。各LoRAをスタイル空間のベクトルとして思い描いてください。LoRAを重ねるのはベクトルを足し合わせることです。2つのベクトルが似た方向を指していれば、その方向で焼きすぎた結果になります。違う方向を指していれば、バランスの取れた組み合わせになります。冗長なLoRAではなく、多様なLoRAを重ねましょう。

NSFW制作に特化して言えば、典型的な制作スタックは4つの帯域をカバーします。

• アンロック帯域: ベースモデルが露骨なコンテンツを生成するのを助ける(主にFlux用)
• キャラクター帯域: 特定の顔や体の特徴を固定する
• スタイル帯域: ビジュアルの処理を制御する(フォトリアル、シネマティック、ファッション)
• アナトミー帯域: 露骨なコンテンツの精度を高める

これらは十分に直交しているので、4つすべてを大きな競合なしに重ねられます。これらを超えてさらにLoRAを追加すると、たいてい冗長性が生まれて出力が劣化します。

modelの重みとCLIPの重み

すべてのComfyUI LoRA Loaderには、strength_modelとstrength_clipという2つの重みパラメータがあります。ほとんどのチュートリアルはこれらの違いをさらっと流します。この違いを知ることが本格的なスタッキングへの鍵です。

strength_modelは、LoRAがUNet(拡散モデル本体)をどれだけ変更するかを制御します。これがビジュアルへの影響です。strength_modelが高いほど、LoRAのビジュアルな特徴が出力により強く現れます。これがほとんどの人が「LoRAの強度」として思い浮かべるものです。

strength_clipは、LoRAがテキストエンコーダ(CLIP)をどれだけ変更するかを制御します。これはモデルがプロンプトをどう解釈するかに影響します。strength_clipが高いほど、LoRAが学習された内容に向けてプロンプトの理解を偏らせます。

ほとんどの場合、strength_modelとstrength_clipはだいたい同じ値にしたいところです。モデルとテキストエンコーダは、LoRAが何を求めているかについて一致している必要があります。両者が離れすぎると、テキストエンコーダがあなたの求めたものとは別のものを解釈している一方でモデルが何か別のものを描くという、ぐちゃぐちゃの出力になります。

ただし、両者を別々にしたい特定のケースもあります。

• キャラクターLoRA: CLIPの重みをやや低くする(modelの重み0.8に対して0.6から0.7)と恩恵があることが多いです。CLIPの変更がキャラクター名のトリガーワードを過度に強調し、プロンプトが窮屈に感じられることがあるためです。
• スタイルLoRA: CLIPの重みを高くすると、モデルをLoRAのスタイル語彙でプロンプトを解釈する方向へ押せて恩恵がある場合があります。
• アナトミーLoRA: たいていCLIPの重みを低く(0.4から0.5)したいところです。モデルがプロンプト解釈でアナトミーを過度に強調するのを避けるためです。
• アンロックLoRA: strength_modelを0.7から0.8、strength_clipを0.5から0.6にしたいところです。CLIPを上げすぎるとプロンプトの意味が崩れ始めるためです。

うまく機能する2026年の一般的な出発点。

• strength_model: 0.8
• strength_clip: 0.6

これはわずかな不均衡で、プロンプトを崩さずにビジュアルへの影響を与えます。スタックの感触に応じてここから調整してください。

LoRA Stackerノードのセットアップ

3つ以上のLoRAをクリーンに重ねるには、Efficiency NodesのLoRA Stackerノードが適切なツールです。複数のLoRA Loaderの操作を単一のノードにまとめてくれるので、グラフが読みやすく保たれます。ComfyUI ManagerからEfficiency Nodesをインストールしてください。このノードはloadersカテゴリに「LoRA Stacker」として現れます。

LoRA Stackerノードには以下があります。

• lora_count: 表示するLoRAスロットの数(スタックのサイズに設定)
• mode: 「simple」または「advanced」(simpleはLoRAごとに1つの重みを使い、advancedはmodelとCLIPを分ける)
• 各スロットごと: lora_name(利用可能なLoRAのドロップダウン)、strength(advancedモードではstrength_modelとstrength_clip)

NSFW制作では、model側とCLIP側の重みの区別が重要なので、私は常にadvancedモードを使います。simpleモードは気軽な実験には十分ですが、調整の選択肢を制限します。

このノードは単一のLORA_STACKを出力し、それを下流のノードに接続すると、重ねられたすべてのLoRAが一度に適用されます。標準的なパターンは次のとおりです。

1. CheckpointLoader → modelとclipを出力
2. LoRA Stacker → lora_countとLoRAごとの設定を入力 → LORA_STACKを出力
3. Apply LoRA Stack → model、clip、LORA_STACKを入力 → 変更されたmodelとclipを出力
4. 変更されたmodelとclipを使ったKSampler

これはスタックに5つ以上のLoRAがあっても見た目がクリーンに保たれます。連結したLoRA Loader(各ローダーが別々のノード)と比べて、Stackerのアプローチは制作ワークフローではるかに読みやすくなります。

知っておく価値のあるもう1つのスタッカーの選択肢は、ShmuelRonenのmulti-lora-stackです。これはより動的なインターフェースを持ち、実行時にLoRAを入れ替えられます。実験的なワークフローには便利ですが、制作では標準のEfficiency Nodes Stackerを私は使っています。

レシピ: アンロック + キャラクター + スタイル + アナトミー

ほとんどの制作向けNSFW作業をカバーする4帯域スタックです。設定は出発点であり、あなたの具体的なLoRAとベースモデルに応じて調整してください。

Pony Realism v2.2や類似のPonyベースSDXLの場合:

LoRA 1 (アンロック、Ponyでは任意):
  lora_name: pony_nsfw_unlock.safetensors (必要な場合)
  strength_model: 0.4 (PonyはすでにNSFWを知っている)
  strength_clip: 0.3

LoRA 2 (キャラクター):
  lora_name: <your_character>.safetensors
  strength_model: 0.85
  strength_clip: 0.7

LoRA 3 (スタイル):
  lora_name: photoreal_skin.safetensors
  strength_model: 0.6
  strength_clip: 0.5

LoRA 4 (アナトミー):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.5
  strength_clip: 0.4

合計のmodelの重み: 2.35。これはSDXLファミリーのモデルにとって安全な範囲に収まります。3.0を超えると出力の劣化のリスクが出始めます。1.5未満だと、おそらくスタックを使いきれていません。

RealVisXL V5(NSFWの事前知識が組み込まれていない)の場合:

LoRA 1 (アンロック):
  lora_name: realvis_nsfw.safetensors
  strength_model: 0.75
  strength_clip: 0.55

LoRA 2 (キャラクター):
  lora_name: <your_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.65

LoRA 3 (スタイル):
  lora_name: cinematic_lighting.safetensors
  strength_model: 0.55
  strength_clip: 0.5

LoRA 4 (アナトミー):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.55
  strength_clip: 0.4

合計のmodelの重み: 2.65。RealVisXLはフォトリアルなポートレートの学習バイアスに対抗するため、アンロックLoRAからより強い押しを必要とするので、やや高めです。

Flux DevまたはFlux Schnellの場合:

LoRA 1 (アンロック、必須):
  lora_name: flux_nsfw_unlock.safetensors
  strength_model: 0.85
  strength_clip: 0.65

LoRA 2 (キャラクター):
  lora_name: <your_flux_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.7

LoRA 3 (スタイル):
  lora_name: flux_photoreal.safetensors
  strength_model: 0.5
  strength_clip: 0.45

FluxはLoRAエコシステムが小さく、より多く重ねると競合が起きやすいため、合計3つのLoRAです。合計のmodelの重み: 2.15。

上記のパターンは出発点です。本当の仕事は、個々の重みをスイープして、あなたの具体的なLoRAの組み合わせとベースモデルに何が効くかを見ることです。

競合パターンとその診断方法

競合パターンを見分けられることが、当て推量と調整の違いです。ここでは最もよくある失敗と、それが出力でどう見えるかを紹介します。

スタイルの競合(最も多い): 2つのLoRAが似たことをしようとしています。出力が「濁って」見えたり「焼きすぎ」に見えたりします。具体的な兆候には、ワックスのようにテカった肌、人工的に感じるライティング、彩度が高すぎる色があります。

対処法: 競合しているLoRAの一方をstrength_model 0.4から0.5まで下げるか、完全に取り除きます。

スタイルLoRAによるキャラクターのドリフト: キャラクターLoRAの顔が、攻撃的なスタイルLoRAに上書きされています。具体的な兆候には、同じプロンプトでも生成のたびに顔の形が変わること、人種のドリフト、表情の平板化があります。

対処法: スタイルLoRAのstrength_modelを0.4から0.5まで下げます。キャラクターLoRAのstrength_modelを0.9まで上げます。スタイルLoRAのstrength_clipを特に0.3から0.4まで下げます。

アナトミーの過剰強調: アナトミーLoRAが体のディテールを強く引っ張りすぎています。具体的な兆候には、漫画的に誇張されたアナトミーの特徴、明らかにLoRAで注入されたように見える体の部位、アナトミー以外のディテールに関するプロンプトが無視されることがあります。

対処法: アナトミーLoRAのstrength_modelを最大0.4にします。CLIPの重みは特に非常に低く(0.3から0.4)すべきです。CLIPの変更こそが、LoRAにプロンプト内の特徴を過度に強調させる原因だからです。

アンロックLoRAがSFWコンテンツに漏れ出す: アンロックLoRAが、プロンプトが求めていない場合でもすべての生成をNSFWへ偏らせています。具体的な兆候には、SFWであるべきプロンプトでもすべての生成が露骨になりがちなこと、モデルが指示されていないのにNSFW要素を加えることがあります。

対処法: アンロックLoRAのstrength_modelを最大0.6にします。SFWとNSFWを混在させた作業をするなら、それぞれに別のワークフローを作り、アンロックLoRAはNSFWのワークフローでのみ使います。

スタック全体での色のずれ: 複数のLoRAが異なる色処理で学習されています。出力の色温度が生成ごとにばらつきます。具体的な兆候には、同じプロンプトでもある生成では肌がピンクに見え、次では黄色に見えることがあります。

対処法: 色について最も意見が強いLoRA(たいていはスタイルかフォトリアルのLoRA)を特定します。そのLoRAを中程度の重み(0.5から0.6)に固定し、その周りで他を調整します。

どんな競合にも使える診断アプローチ。1つを除いてすべてのLoRAを無効化します。生成します。次のLoRAを追加します。生成します。比較します。追加によって出力が壊れたLoRAが競合の原因です。その重みを下げるか、取り除きます。

重みのスイープ手順

体系的な重みの調整は当て推量に勝ります。私が使う手順です。

1. シードを固定する。 許容できる出力を生んだシードを1つ選び、スイープ全体でそれを固定します。これでLoRAの効果がシードのばらつきから切り離されます。

2. ベースラインを確立する。 すべてのLoRAを「妥当な出発点の重み」(上記のレシピ)にして生成します。これをベースラインとして保存します。

3. 1つずつLoRAをスイープする。 1つのLoRAのstrength_modelをある範囲で変えます(典型的には0.3、0.5、0.7、0.9)。他のすべてのLoRAはベースラインの重みのままにします。各設定で生成します。

4. そのLoRAの最適な設定を選ぶ。 4つの出力を見ます。全体の出力を壊すことなく、このLoRAの寄与が最も強い1つを選びます。その重みを固定します。

5. 次のLoRAに移る。 スタックの次のLoRAでスイープを繰り返し、前に調整したLoRAは最適な重みに固定したままにします。

6. 必要なら繰り返す。 LoRA 3を調整するとLoRA 1の設定を調整する必要があることが分かる場合もあります。後戻りを恐れないでください。

この手順は4つのLoRAのスタックで20から40回の生成を要しますが、結果として、求めるものを安定して生み出す調整済みのスタックが得られます。出力の60パーセントが乱雑になる「すべてのLoRAを1.0で放り込む」アプローチと比べれば、この時間の投資はすぐに元が取れます。

ComfyUIでこれを自動化するには、XY Plot拡張を使うと、パラメータのスイープ全体にわたって自動でバッチ生成できます。スイープの軸を2つのLoRAの強度に設定し、グリッド全体を1回のバッチで生成します。手作業のスイープよりずっと速いです。

複雑なスタック全体での重みのバランスについては、私のPony Realism対RealVisXLの解説で、2つのエコシステム間でLoRAの互換性がどう異なるか、それがどんなスタックが可能かにどう影響するかを論じています。8 GBのVRAMでスタックを動かしているなら、低VRAMセットアップガイドが、OOMに達する前に実際にいくつのLoRAを読み込めるかをカバーしています。

スタックのプリセットを保存する

調整済みのスタックができたら、それをプリセットとして保存します。ComfyUIにはこれを行う複数の方法があります。

ワークフロー全体をJSONとして保存する。 キャンバスを右クリックし、ワークフローを保存します。これはLoRAスタックを他のすべて(サンプラー、プロンプト、ControlNetなど)と一緒に保存します。このスタックが必要なときにテンプレートとして再読み込みします。

スタックだけをノードテンプレートとして保存する。 LoRA Stackerノードを選択し、右クリックし、テンプレートとして保存します。これはスタックの構成だけを保存するので、どんなワークフローにも放り込めます。

ComfyUI Managerのワークフローライブラリを使う。 調整済みのワークフローをそこに保存し、プロジェクトをまたいで簡単に再利用します。

制作の作業では、よくあるユースケースをカバーする名前付きのスタックプリセットを8つから10ほど維持しています。

• フォトリアル・ポートレート
• フォトリアル・全身
• シネマティック・ライフスタイル
• エディトリアル・ファッション
• アニメ・ポートレート
• アニメ・全身
• 複数キャラクターのシーン
• ヒーロー画像(最大ディテール)

各プリセットには独自の調整済みスタックがあり、何を作っているかに応じてそれらを切り替えます。これはプロジェクトごとに再調整するよりはるかに速いです。

再利用できる3つのNSFWスタック

よくある制作シナリオをカバーする、完全な3つのスタックプリセットです。そのまま使うか、自分の調整の出発点として使ってください。

スタック1: フォトリアル・ライフスタイル・ポートレート(RealVisXLベース)

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

単一被写体のポートレートや上半身、制御されたライティング、フォトリアルな美学に最適です。露骨なアナトミーに焦点を当てた作業には避けてください(アンロックLoRAが中程度で、攻撃的ではありません)。

スタック2: 露骨な全身(Pony Realismベース)

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. (任意) pose_detail: model 0.4, clip 0.35

アナトミーに焦点を当てた露骨なコンテンツ、全身のカバー範囲、フォトリアルなスタイルに最適です。Pony RealismはアンロックLoRAを必要としません。ポートレートに焦点を当てた作業には避けてください(アナトミーLoRAが顔だけの切り抜きには過度に強調されます)。

スタック3: アニメNSFW(NoobAI XLまたはIllustriousベース)

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

キャラクターの一貫性を保ったアニメスタイルのNSFWに最適です。スタイルLoRAが出力の個性なので、あなたの美学の目標(より絵画的、よりセルシェード調など)に応じて選んでください。フォトリアルな作業には避けてください。

これら3つはすべて出発点です。あなたの具体的なLoRAに合わせて、重みのスイープを実行して詰めてください。それぞれをプリセットとして保存しておけば、ベースを再調整せずにプロジェクトごとに反復できます。

管理ゼロのLoRAワークフローを求めるなら、lewdly.aiは事前に調整されたスタックを通してプロンプトをサーバー側でルーティングします。ユーザーは求めるものを記述するだけで、プラットフォームが適切なLoRAを適切な重みで適用します。LoRAスタックの管理に時間を費やしたくないなら、これが適切な抽象化のレベルです。念のため申し添えると、私はその構築を手伝っています。

よくある質問

SDXLで一度にいくつのLoRAを重ねられますか? 実用上は中程度の重みで4から5個のLoRAです。5を超えると、競合と品質の劣化が深刻になります。一部のワークフローは技術的には8個以上のLoRAをサポートしますが、その出力は、より小さくよく調整されたスタックから得られるものに匹敵することはまれです。

LoRA Stackerと連結したLoRA Loaderの違いは何ですか? 機能的には似ていますが、見た目が異なります。LoRA Stackerは複数のLoRAを単一のノードにまとめてグラフをクリーンにします。連結したLoRA Loaderは、LoRAごとに明示的なノードです。どちらも同等の出力を生みます。Stackerは3つ以上のLoRAに向いており、個別のLoaderは1から2個なら問題ありません。

複数のLoRAで出力が乱雑に見えるのはなぜですか? 最もよくある原因は、2つのLoRAが高い重みで似たことをしようとしていることです。LoRAを1つずつ無効化して競合を見つけます。出力を壊しているLoRAを下げるか取り除きます。合計のmodelの重みが3.0を超えていることもよくある原因です。

strength_clipは常にstrength_modelと等しくすべきですか? たいていはノーです。strength_clipをわずかに下げる(modelの0.8に対して0.6から0.7)と、プロンプトの混乱を防ぐのに役立ちます。アナトミーLoRAに特化して言えば、CLIPの重みをずっと低く(0.3から0.4)すると過剰強調を防げます。キャラクターLoRAでは、CLIPの重みを下げるとキャラクター名のトリガーワードへの過度な固執を防げます。

Pony LoRAとSDXL LoRAを同じスタックで混ぜられますか? 技術的にはイエス、実用的にはノーです。潜在空間が異なり、LoRAは異なる基盤モデルで学習されています。すでに潜在空間を共有しているPonyベースのモデル上であれば、Pony LoRAを下げた重みで使えます。エコシステムをまたいで混ぜると、たいていアーティファクトが生じます。

スタッキングの代わりにLoRAのマージはどうですか? LoRAのマージは、複数のLoRAを単一のLoRAファイルに結合します。これは実行時のスタッキングと同等の効果を生みますが、サンプリング中のVRAM使用量は低くなります。安定した制作スタックには行う価値があります。マージツール(ComfyUI Manager内、またはkohyaのスクリプト経由)がこれを処理します。一度マージすると、結合されたLoRAは1つの重みを持つ単一のLoRAとして読み込まれます。

あるLoRAが別のLoRAと競合しているかどうか、どうやって分かりますか? 各LoRAを個別に使って生成し、スタックの出力と比較します。スタックの出力に、あるLoRAの目に見える特徴が欠けていれば、そのLoRAはスタック内の何か他のものに抑えられています。スタックの出力に、どの個別のLoRAにも存在しない奇妙なアーティファクトがあれば、2つのLoRAが互いを増幅しています。

スタック内でLoRAの順番は重要ですか? ほとんどのスタッカーの実装ではノーです。LoRAは重みの変更の和として結合され、順番は結果を変えません。一部の古い連結ローダーの実装には軽微な順番の影響がありますが、無視できる程度です。

ワークフローから取り除かずにLoRAを無効化できますか? はい。strength_modelを0、strength_clipを0に設定します。LoRAは読み込まれますが、何も寄与しません。これはA/Bテストに便利です。元の組み合わせに戻したいときは、重みをリセットするのを忘れないでください。

設定できる最大の強度はいくつですか? ほとんどのLoRA Loaderは0から2.0、あるいはそれ以上の値を受け付けます。1.0を超えると、LoRAを学習された範囲を超えて過度に強調し、たいていアーティファクトを生みます。制作の作業では0.3から1.0の範囲にとどめてください。1.0以上の範囲は実験専用です。

正しいメンタルモデル

LoRAスタッキングは加算ではなく作曲です。各LoRAをアンサンブルの楽器として考えてください。ソロのバイオリンはそれ自体で興味深いものです。同じ旋律を弾く3つのバイオリンは、ただ大きくなるだけで、より良くはなりません。バイオリンとビオラとチェロが補完的なパートを弾けば音楽になります。同じ原理がLoRAスタックにも当てはまります。異なる役割を担う多様なLoRAは音楽です。高い重みの冗長なLoRAは雑音です。

制作のNSFWワークフローで2年間LoRAを重ねてきて得た最大の教訓。規律ある重みの調整は高価なハードウェアに勝ります。中程度のベースモデルでよく調整された3つのLoRAのスタックは、最高のハードウェアでの雑な6つのLoRAのスタックよりも良い出力を生みます。天井を決めるのは、調整に注ぎ込まれる仕事であって、LoRAの数や機材ではありません。

調整を自分で管理せずにクリーンな出力を求める人にとって、それこそまさにlewdly.aiのサーバー側のLoRAルーティングが処理するものです。プラットフォームはプロンプトの分析に基づいてスタックと重みを選び、ユーザーはこういったことを一切考える必要がありません。ほとんどのユーザーにとってこれが適切な抽象化のレイヤーです。完全な制御を求める技術的なユーザーには、ここで説明した手作業のComfyUIワークフローが道です。

参考リソースには、LoRA StackerノードのためのEfficiency Nodes ComfyUIのGitHub、代替実装のためのmulti-lora-stackリポジトリ、そしてうまく機能する特定のLoRAの組み合わせについてのコミュニティガイドがあるCivitai LoRAドキュメントが含まれます。