Hướng Dẫn Xếp Chồng LoRA Trong ComfyUI Cho Nội Dung NSFW

Một LoRA đơn lẻ hiếm khi đủ cho công việc NSFW chuyên nghiệp. Bạn cần một LoRA nhân vật để giữ khuôn mặt nhất quán, một LoRA phong cách cho cách xử lý hình ảnh, một LoRA giải phẫu cho độ chân thực của nội dung tường minh, và có thể là một LoRA unlock nếu bạn đang dùng một base model cần hỗ trợ. Cái stack ba hoặc bốn LoRA đó phải phối hợp với nhau mà không cái nào triệt tiêu cái kia hoặc tạo ra một kết quả trung bình lộn xộn. Phần lớn mọi người xếp chồng LoRA bằng cách ném hết vào ở trọng số mặc định và hy vọng điều tốt nhất. Đó là lý do đầu ra của họ trông như vừa bị máy xay sinh tố quật trúng. Xếp chồng LoRA cho ra hồn là một kỹ năng thủ công, và đây là quy trình chính xác mà tôi dùng để có đầu ra sạch từ những stack phức tạp.

Trả Lời Nhanh: Trong ComfyUI, hãy nối chuỗi các node LoRA Loader hoặc dùng LoRA Stacker từ Efficiency Nodes. Một stack điển hình đặt LoRA unlock ở 0.7, LoRA nhân vật ở 0.8, LoRA phong cách ở 0.6, LoRA giải phẫu ở 0.5. Mỗi LoRA có cả trọng số model lẫn trọng số CLIP. Hạ trọng số CLIP (0.4-0.6) nếu prompt thấy bị xáo trộn. Thử từng LoRA một, rồi thêm dần. Xung đột giữa hai LoRA cùng cố làm những việc giống nhau là kiểu thất bại phổ biến nhất.

Tại Sao Một LoRA Hiếm Khi Đủ

Này, lý do bạn không thể có đầu ra NSFW chuyên nghiệp từ một LoRA duy nhất là vì các LoRA là những chuyên gia hẹp. Một LoRA nhân vật mã hóa đặc điểm khuôn mặt và tỷ lệ cơ thể nhưng không biết kết cấu da đẹp trông ra sao. Một LoRA phong cách mã hóa ánh sáng và cách xử lý màu nhưng không biết khuôn mặt nhân vật của bạn. Một LoRA giải phẫu lấp đầy những khoảng trống của nội dung tường minh nhưng không có quan điểm gì về bố cục. Mỗi LoRA mang thông tin trong một dải hẹp, và đầu ra tốt đòi hỏi nhiều dải phối hợp cùng nhau.

Toán học đằng sau lý do điều này hoạt động. Một LoRA chỉnh sửa trọng số của base model bằng một phép phân rã hạng thấp, nghĩa là nó đẩy hành vi của model theo một hướng cụ thể trong khi giữ phần lớn model không đổi. Xếp chồng nhiều LoRA kết hợp các cú đẩy của chúng, và miễn là các cú đẩy gần như vuông góc với nhau, hiệu ứng kết hợp là hợp của các khả năng riêng lẻ.

Chỗ mà xếp chồng đi sai là khi hai LoRA đẩy theo những hướng giống nhau. Nếu bạn nạp hai LoRA da chân thực ở cường độ tối đa, cả hai đều đang đẩy model về phía da chân thực, và hiệu ứng kết hợp là "da quá chân thực" thường có nghĩa là bóng nhẫy như sáp hoặc chi tiết quá mức. Đây là kiểu thất bại xếp chồng phổ biến nhất và nó xảy ra mỗi khi người sáng tạo nạp LoRA mà không nghĩ xem từng cái thật ra đang làm gì.

Mô hình tư duy đúng. Hãy hình dung mỗi LoRA như một vector trong không gian phong cách. Xếp chồng LoRA cộng các vector lại. Nếu hai vector chỉ về những hướng giống nhau, bạn được một kết quả bị nấu quá tay theo hướng đó. Nếu chúng chỉ về những hướng khác nhau, bạn được một sự kết hợp cân bằng. Hãy xếp chồng các LoRA đa dạng, đừng xếp những cái thừa.

Riêng với công việc NSFW, stack chuyên nghiệp điển hình bao quát bốn dải:

• Dải unlock: Giúp base model tạo ra nội dung tường minh (chủ yếu cho Flux)
• Dải nhân vật: Khóa cố định đặc điểm khuôn mặt/cơ thể cụ thể
• Dải phong cách: Điều khiển cách xử lý hình ảnh (chân thực, điện ảnh, thời trang)
• Dải giải phẫu: Cải thiện độ chân thực của nội dung tường minh

Những dải này đủ vuông góc để cả bốn có thể xếp chồng mà không xung đột lớn. Thêm LoRA ngoài những cái này thường gây ra dư thừa và làm giảm chất lượng đầu ra.

Trọng Số Model So Với Trọng Số CLIP

Mọi LoRA Loader trong ComfyUI đều có hai tham số trọng số gọi là strength_model và strength_clip. Phần lớn hướng dẫn lướt qua sự khác biệt giữa chúng. Hiểu được sự khác biệt chính là chìa khóa để xếp chồng nghiêm túc.

strength_model điều khiển mức độ LoRA chỉnh sửa UNet (chính cái diffusion model). Đây là ảnh hưởng về mặt hình ảnh. strength_model cao hơn nghĩa là dấu ấn hình ảnh của LoRA hiện ra mạnh hơn trong đầu ra. Đây là cái mà phần lớn mọi người nghĩ tới khi nói "cường độ LoRA".

strength_clip điều khiển mức độ LoRA chỉnh sửa text encoder (CLIP). Cái này ảnh hưởng tới cách model diễn giải prompt. strength_clip cao hơn nghĩa là LoRA thiên lệch cách hiểu prompt về phía bất cứ thứ gì LoRA được huấn luyện.

Trong hầu hết trường hợp, bạn muốn strength_model và strength_clip ở khoảng cùng một giá trị. Model và text encoder cần đồng thuận với nhau về việc LoRA muốn gì. Nếu chúng tách quá xa nhau, bạn sẽ được đầu ra bị xáo trộn, nơi model đang dựng một thứ trong khi text encoder lại tưởng bạn yêu cầu một thứ khác.

Nhưng có những trường hợp cụ thể bạn muốn chúng khác nhau:

• LoRA nhân vật: Thường có lợi khi hạ trọng số CLIP thấp hơn một chút (0.6-0.7 so với 0.8 trọng số model) vì việc chỉnh sửa CLIP có thể nhấn quá mạnh các từ khóa kích hoạt tên nhân vật và làm prompt thấy bị gò bó.
• LoRA phong cách: Đôi khi có lợi khi nâng trọng số CLIP để đẩy model diễn giải prompt theo từ vựng phong cách của LoRA.
• LoRA giải phẫu: Thường muốn trọng số CLIP thấp hơn (0.4-0.5) để tránh model nhấn quá mạnh giải phẫu trong việc diễn giải prompt.
• LoRA unlock: Muốn strength_model ở 0.7-0.8 và strength_clip ở 0.5-0.6 vì vặn CLIP quá tay sẽ bắt đầu làm hỏng ngữ nghĩa của prompt.

Một điểm khởi đầu của năm 2026 hoạt động ổn:

• strength_model: 0.8
• strength_clip: 0.6

Đây là một độ lệch nhẹ cho ảnh hưởng hình ảnh mà không làm xáo trộn prompt. Tinh chỉnh từ đó dựa trên cảm nhận về stack của bạn.

Thiết Lập Node LoRA Stacker

Để xếp chồng từ 3 LoRA trở lên một cách gọn gàng, node LoRA Stacker từ Efficiency Nodes là công cụ đúng. Nó gói nhiều thao tác LoRA Loader vào một node duy nhất, giúp đồ thị của bạn dễ đọc. Cài Efficiency Nodes qua ComfyUI Manager. Node xuất hiện dưới tên "LoRA Stacker" trong nhóm loaders.

Node LoRA Stacker có:

• lora_count: số khe LoRA cần phơi ra (đặt theo kích thước stack của bạn)
• mode: "simple" hoặc "advanced" (simple dùng một trọng số cho mỗi LoRA, advanced tách riêng model và CLIP)
• Cho mỗi khe: lora_name (danh sách thả xuống các LoRA có sẵn), strength (hoặc strength_model và strength_clip ở chế độ advanced)

Với công việc NSFW tôi luôn dùng chế độ advanced vì sự phân biệt trọng số model/CLIP rất quan trọng. Chế độ simple ổn cho việc thử nghiệm tùy hứng nhưng hạn chế các lựa chọn tinh chỉnh của bạn.

Node xuất ra một LORA_STACK duy nhất mà bạn nối vào một node phía sau để áp tất cả các LoRA đã xếp chồng cùng lúc. Mẫu chuẩn là:

1. CheckpointLoader → xuất model và clip
2. LoRA Stacker → nhập lora_count và thiết lập cho từng LoRA → xuất LORA_STACK
3. Apply LoRA Stack → nhập model, clip, LORA_STACK → xuất model và clip đã chỉnh
4. KSampler với model và clip đã chỉnh

Cách này nhìn vẫn sạch ngay cả với từ 5 LoRA trở lên trong stack. So với chuỗi LoRA Loader (mỗi loader là một node riêng), cách dùng Stacker dễ đọc hơn đáng kể cho các quy trình chuyên nghiệp.

Lựa chọn stacker khác đáng biết là multi-lora-stack từ ShmuelRonen, có giao diện linh hoạt hơn và có thể đổi LoRA lúc chạy. Hữu ích cho quy trình thử nghiệm nhưng Stacker chuẩn của Efficiency Nodes là cái tôi dùng cho công việc chuyên nghiệp.

Công Thức: Unlock + Nhân Vật + Phong Cách + Giải Phẫu

Stack bốn dải bao quát phần lớn công việc NSFW chuyên nghiệp. Các thiết lập là điểm khởi đầu; hãy tinh chỉnh dựa trên LoRA cụ thể và base model của bạn.

Cho Pony Realism v2.2 hoặc SDXL nền Pony tương tự:

LoRA 1 (Unlock, tùy chọn cho Pony):
  lora_name: pony_nsfw_unlock.safetensors (nếu cần)
  strength_model: 0.4 (Pony đã biết NSFW)
  strength_clip: 0.3

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

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

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

Tổng trọng số model kết hợp: 2.35. Mức này nằm trong khoảng an toàn cho dòng model SDXL. Trên 3.0 bạn bắt đầu liều với việc giảm chất lượng đầu ra. Dưới 1.5 thì có lẽ bạn đang dùng chưa hết stack.

Cho RealVisXL V5 (không có sẵn prior NSFW):

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

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

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

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

Tổng trọng số model kết hợp: 2.65. Cao hơn một chút vì RealVisXL cần nhiều lực đẩy hơn từ LoRA unlock để cạnh tranh với thiên lệch huấn luyện chân dung chân thực của nó.

Cho Flux Dev hoặc Flux Schnell:

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

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

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

Tổng cộng ba LoRA vì Flux có hệ sinh thái LoRA nhỏ hơn và xếp chồng nhiều hơn thường gây xung đột. Tổng trọng số model kết hợp: 2.15.

Các mẫu ở trên là điểm khởi đầu. Công việc thật sự là quét từng trọng số một và xem cái gì hợp với tổ hợp LoRA cụ thể cùng base model của bạn.

Các Mẫu Xung Đột Và Cách Chẩn Đoán

Nhận ra các mẫu xung đột là khác biệt giữa đoán mò và tinh chỉnh. Đây là những kiểu thất bại phổ biến nhất và chúng trông thế nào trong đầu ra.

Cạnh tranh phong cách (phổ biến nhất): Hai LoRA cùng cố làm những việc giống nhau. Đầu ra trông "đục" hoặc "nấu quá tay". Dấu hiệu cụ thể gồm da trông bóng nhẫy như sáp, ánh sáng cảm giác giả tạo, và màu sắc bão hòa quá mức.

Cách sửa: Hạ một trong các LoRA đang cạnh tranh xuống strength_model 0.4-0.5, hoặc gỡ hẳn nó ra.

Nhân vật trôi do LoRA phong cách: Khuôn mặt của LoRA nhân vật bị một LoRA phong cách quá mạnh ghi đè. Dấu hiệu cụ thể gồm hình dạng khuôn mặt thay đổi giữa các lần tạo với cùng một prompt, sắc tộc bị trôi, và biểu cảm bị làm phẳng.

Cách sửa: Hạ strength_model của LoRA phong cách xuống 0.4-0.5. Nâng strength_model của LoRA nhân vật lên 0.9. Hạ riêng strength_clip của LoRA phong cách xuống 0.3-0.4.

Giải phẫu bị nhấn quá đậm: LoRA giải phẫu kéo quá mạnh vào chi tiết cơ thể. Dấu hiệu cụ thể gồm các đặc điểm giải phẫu bị phóng đại như hoạt hình, bộ phận cơ thể trông rõ là bị LoRA chèn vào, và prompt về các chi tiết không phải giải phẫu bị bỏ qua.

Cách sửa: strength_model của LoRA giải phẫu tối đa 0.4. Riêng trọng số CLIP nên rất thấp (0.3-0.4) cho các LoRA giải phẫu vì chính việc chỉnh sửa CLIP là thứ làm LoRA nhấn quá đậm các đặc điểm trong prompt.

LoRA unlock rỉ sang nội dung SFW: LoRA unlock thiên lệch mọi lần tạo về phía NSFW ngay cả khi prompt không yêu cầu. Dấu hiệu cụ thể gồm mọi lần tạo có xu hướng ngả về tường minh ngay cả với prompt lẽ ra phải là SFW, và model tự thêm yếu tố NSFW dù không được nhắc.

Cách sửa: strength_model của LoRA unlock tối đa 0.6. Nếu bạn làm việc trộn SFW/NSFW, hãy dựng quy trình riêng cho từng loại và chỉ dùng LoRA unlock trong quy trình NSFW.

Lệch màu qua cả stack: Nhiều LoRA được huấn luyện trên các cách xử lý màu khác nhau. Đầu ra có nhiệt độ màu không nhất quán giữa các lần tạo. Dấu hiệu cụ thể gồm da trông hồng trong lần này và vàng trong lần kế, với cùng một prompt.

Cách sửa: Xác định LoRA nào có quan điểm mạnh nhất về màu (thường là LoRA phong cách hoặc chân thực). Khóa LoRA đó ở một trọng số vừa phải (0.5-0.6) và tinh chỉnh những cái còn lại quanh nó.

Cách tiếp cận chẩn đoán cho bất kỳ xung đột nào. Tắt tất cả LoRA trừ một cái. Tạo. Thêm LoRA tiếp theo. Tạo. So sánh. Cái LoRA mà khi thêm vào làm hỏng đầu ra chính là nguồn xung đột. Hạ trọng số của nó hoặc gỡ nó ra.

Quy Trình Quét Trọng Số

Tinh chỉnh trọng số có hệ thống thắng việc đoán mò. Quy trình tôi dùng:

1. Cố định seed. Chọn một seed đã cho ra đầu ra chấp nhận được và khóa nó cho toàn bộ đợt quét. Việc này tách hiệu ứng LoRA khỏi sự biến thiên do seed.

2. Lập đường cơ sở. Tạo với tất cả LoRA ở "trọng số khởi đầu hợp lý" (công thức ở trên). Lưu cái này làm đường cơ sở.

3. Quét từng LoRA một. Thay đổi strength_model của một LoRA qua một khoảng (thường là 0.3, 0.5, 0.7, 0.9). Giữ tất cả LoRA khác ở trọng số cơ sở. Tạo ở mỗi mức.

4. Chọn mức tốt nhất cho LoRA đó. Nhìn vào bốn đầu ra. Chọn cái mà đóng góp của LoRA này mạnh nhất mà không làm hỏng đầu ra tổng thể. Khóa trọng số đó.

5. Chuyển sang LoRA tiếp theo. Lặp lại đợt quét với LoRA kế trong stack, giữ LoRA đã tinh chỉnh trước đó khóa ở trọng số tốt nhất của nó.

6. Lặp lại nếu cần. Đôi khi tinh chỉnh LoRA 3 lại hé lộ rằng thiết lập của LoRA 1 cần điều chỉnh. Đừng ngại quay lại.

Quy trình này tốn 20-40 lần tạo cho một stack bốn LoRA nhưng kết quả là một stack đã tinh chỉnh, cho ra thứ bạn muốn một cách nhất quán. So với cách "ném hết LoRA vào ở 1.0" vốn cho đầu ra lộn xộn 60 phần trăm số lần, thời gian bỏ ra sẽ được hoàn lại nhanh.

Để tự động hóa việc này trong ComfyUI, tiện ích XY Plot cho phép bạn tạo hàng loạt qua một đợt quét tham số một cách tự động. Đặt các trục quét là hai cường độ LoRA và tạo toàn bộ lưới trong một mẻ. Nhanh hơn nhiều so với quét thủ công.

Để biết thêm về cân bằng trọng số qua các stack phức tạp, bài viết Pony Realism so với RealVisXL của tôi bàn về việc tương thích LoRA khác nhau ra sao giữa hai hệ sinh thái, điều này ảnh hưởng tới những stack nào thậm chí khả thi. Nếu bạn đang chạy stack trên 8 GB VRAM, hướng dẫn thiết lập VRAM thấp bàn về số lượng LoRA bạn có thể nạp trên thực tế trước khi gặp lỗi OOM.

Lưu Các Cấu Hình Stack

Một khi đã có một stack tinh chỉnh, hãy lưu nó thành một cấu hình sẵn. ComfyUI có nhiều cách để làm việc này:

Lưu toàn bộ quy trình dưới dạng JSON. Nhấp chuột phải lên canvas, lưu workflow. Cách này giữ lại cả stack LoRA cùng mọi thứ khác (sampler, prompt, ControlNet, v.v.). Tải lại như một mẫu khi bạn cần stack này.

Chỉ lưu riêng cái stack dưới dạng mẫu node. Chọn node LoRA Stacker, nhấp chuột phải, lưu thành mẫu. Cách này chỉ lưu cấu hình stack, mà bạn có thể thả vào bất kỳ quy trình nào.

Dùng thư viện workflow của ComfyUI Manager. Lưu các workflow đã tinh chỉnh ở đó để dễ tái dùng qua các dự án.

Với công việc chuyên nghiệp, tôi duy trì khoảng 8-10 cấu hình stack có tên bao quát các tình huống dùng phổ biến:

• Chân Dung Chân Thực
• Toàn Thân Chân Thực
• Đời Thường Điện Ảnh
• Thời Trang Biên Tập
• Chân Dung Anime
• Toàn Thân Anime
• Cảnh Nhiều Nhân Vật
• Ảnh Bìa (Chi Tiết Tối Đa)

Mỗi cấu hình có stack tinh chỉnh riêng và tôi chuyển qua lại giữa chúng tùy theo thứ tôi đang làm. Cách này nhanh hơn nhiều so với tinh chỉnh lại cho mỗi dự án.

Ba Stack NSFW Tái Dùng Được

Ba cấu hình stack hoàn chỉnh bao quát các tình huống chuyên nghiệp phổ biến. Dùng nguyên hoặc làm điểm khởi đầu cho việc tinh chỉnh của riêng bạn.

Stack 1: Chân Dung Đời Thường Chân Thực (nền 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

Tốt nhất cho chân dung một chủ thể hoặc nửa trên cơ thể, ánh sáng kiểm soát, thẩm mỹ chân thực. Tránh dùng cho công việc tập trung giải phẫu tường minh (LoRA unlock ở mức vừa phải, không quá mạnh).

Stack 2: Toàn Thân Tường Minh (nền 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. (tùy chọn) pose_detail: model 0.4, clip 0.35

Tốt nhất cho nội dung tường minh tập trung giải phẫu, bao quát toàn thân, phong cách chân thực. Pony Realism không cần LoRA unlock. Tránh dùng cho công việc tập trung chân dung (LoRA giải phẫu bị nhấn quá đậm với các khung chỉ lấy mặt).

Stack 3: Anime NSFW (nền NoobAI XL hoặc 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

Tốt nhất cho NSFW phong cách anime với nhân vật nhất quán. LoRA phong cách là cá tính của đầu ra, nên hãy chọn dựa trên mục tiêu thẩm mỹ của bạn (thiên về tranh vẽ hơn, thiên về tô bóng cel hơn, v.v.). Tránh dùng cho công việc chân thực.

Cả ba cái này đều là điểm khởi đầu. Hãy chạy quét trọng số để chỉnh sát dựa trên LoRA cụ thể của bạn. Lưu mỗi cái thành một cấu hình nghĩa là bạn có thể lặp theo từng dự án mà không phải tinh chỉnh lại từ nền.

Để có quy trình LoRA không phải quản lý gì, lewdly.ai định tuyến prompt qua các stack đã tinh chỉnh sẵn ở phía máy chủ. Người dùng mô tả điều họ muốn và nền tảng áp đúng LoRA ở đúng trọng số. Đây là mức trừu tượng phù hợp nếu quản lý stack LoRA không phải là cách bạn muốn dành thời gian. Nói thật là tôi có góp phần xây nó.

Câu Hỏi Thường Gặp

Tôi có thể xếp chồng bao nhiêu LoRA cùng lúc trên SDXL? Trên thực tế là 4-5 LoRA ở trọng số vừa phải. Quá 5, xung đột và suy giảm chất lượng trở nên nghiêm trọng. Một số quy trình về lý thuyết hỗ trợ từ 8 LoRA trở lên nhưng đầu ra hiếm khi sánh được với thứ bạn có từ một stack nhỏ hơn, được tinh chỉnh tốt.

LoRA Stacker khác chuỗi LoRA Loader ở chỗ nào? Chức năng tương tự nhưng nhìn khác nhau. LoRA Stacker gói nhiều LoRA vào một node duy nhất cho đồ thị sạch hơn. Chuỗi LoRA Loader là các node tường minh cho từng LoRA. Cả hai cho ra đầu ra tương đương. Stacker tốt hơn cho từ 3 LoRA trở lên, các Loader riêng lẻ ổn cho 1-2 cái.

Tại sao đầu ra của tôi trông lộn xộn với nhiều LoRA? Nguyên nhân phổ biến nhất là hai LoRA cùng cố làm những việc giống nhau ở trọng số cao. Tắt từng LoRA một để tìm xung đột. Hạ hoặc gỡ cái LoRA làm hỏng đầu ra. Tổng trọng số model kết hợp trên 3.0 cũng là một nguyên nhân phổ biến.

strength_clip có nên luôn bằng strength_model không? Thường là không. Hạ strength_clip thấp hơn một chút (0.6-0.7 so với 0.8 model) giúp ngăn prompt bị xáo trộn. Riêng với LoRA giải phẫu, trọng số CLIP thấp hơn nhiều (0.3-0.4) ngăn việc nhấn quá đậm. Với LoRA nhân vật, trọng số CLIP thấp hơn ngăn việc bám quá chặt vào từ khóa kích hoạt tên nhân vật.

Tôi có thể trộn LoRA Pony và LoRA SDXL trong cùng một stack không? Về kỹ thuật là có, trên thực tế là không. Các không gian tiềm ẩn khác nhau và các LoRA được huấn luyện trên những model nền khác nhau. Bạn có thể dùng LoRA Pony ở trọng số giảm trên một model nền Pony vốn đã chia sẻ cùng không gian tiềm ẩn. Trộn giữa các hệ sinh thái thường tạo ra hiện vật lỗi.

Còn việc gộp LoRA thay vì xếp chồng thì sao? Gộp LoRA kết hợp nhiều LoRA thành một tệp LoRA duy nhất. Cách này cho hiệu ứng tương đương với xếp chồng lúc chạy nhưng dùng ít VRAM hơn trong khi lấy mẫu. Đáng làm với các stack chuyên nghiệp ổn định. Các công cụ gộp (trong ComfyUI Manager hoặc qua các script kohya) lo việc này. Một khi đã gộp, LoRA kết hợp nạp như một LoRA duy nhất với một trọng số.

Làm sao biết một LoRA đang xung đột với cái khác? Tạo với từng LoRA riêng lẻ rồi so với đầu ra của stack. Nếu đầu ra của stack thiếu dấu ấn nhìn thấy được của một LoRA, LoRA đó đang bị thứ gì đó khác trong stack đè xuống. Nếu đầu ra của stack có hiện vật lỗi kỳ lạ không có ở bất kỳ LoRA riêng lẻ nào, thì hai LoRA đang khuếch đại lẫn nhau.

Thứ tự LoRA trong một stack có quan trọng không? Trong phần lớn cách triển khai stacker, không. Các LoRA được kết hợp như tổng các chỉnh sửa trọng số của chúng và thứ tự không làm thay đổi kết quả. Một số cách triển khai chuỗi loader kiểu cũ có ảnh hưởng nhỏ về thứ tự nhưng chúng không đáng kể.

Tôi có thể vô hiệu hóa một LoRA mà không gỡ nó khỏi quy trình không? Có. Đặt strength_model của nó về 0 và strength_clip về 0. LoRA vẫn được nạp nhưng không đóng góp gì. Việc này hữu ích cho thử nghiệm A/B. Chỉ cần nhớ đặt lại trọng số khi bạn muốn nó trở lại cuộc chơi.

Cường độ tối đa tôi có thể đặt là bao nhiêu? Phần lớn LoRA Loader chấp nhận giá trị 0-2.0 hoặc thậm chí cao hơn. Trên 1.0 sẽ nhấn LoRA quá mức nó được huấn luyện và thường tạo ra hiện vật lỗi. Hãy ở khoảng 0.3-1.0 cho công việc chuyên nghiệp. Khoảng từ 1.0 trở lên chỉ dành cho thử nghiệm.

Mô Hình Tư Duy Đúng

Xếp chồng LoRA là việc phối khí, không phải phép cộng. Hãy nghĩ về mỗi LoRA như một nhạc cụ trong một dàn nhạc. Một cây vĩ cầm độc tấu tự thân đã thú vị. Ba cây vĩ cầm chơi cùng một bè chỉ là to hơn, không hay hơn. Một cây vĩ cầm, một cây trung vĩ cầm và một cây hồ cầm chơi những bè bổ trợ cho nhau thì đó là âm nhạc. Cùng một nguyên tắc áp dụng cho stack LoRA. Các LoRA đa dạng phục vụ những vai trò khác nhau là âm nhạc. Các LoRA thừa ở trọng số cao là tiếng ồn.

Bài học lớn nhất từ hai năm xếp chồng LoRA trong các quy trình NSFW chuyên nghiệp. Tinh chỉnh trọng số có kỷ luật thắng phần cứng đắt tiền. Một stack ba LoRA được tinh chỉnh tốt trên một base model trung bình cho ra đầu ra tốt hơn một stack sáu LoRA cẩu thả trên phần cứng tốt nhất. Công sức bỏ vào việc tinh chỉnh mới là thứ quyết định trần chất lượng, không phải số lượng LoRA hay dàn máy.

Với những người muốn đầu ra sạch mà không phải tự quản lý việc tinh chỉnh, đó chính xác là thứ mà định tuyến LoRA phía máy chủ của lewdly.ai lo. Nền tảng chọn stack và trọng số dựa trên phân tích prompt và người dùng không phải nghĩ về bất cứ điều gì trong số này. Với hầu hết người dùng đó là tầng trừu tượng đúng. Với người dùng kỹ thuật muốn kiểm soát toàn bộ, quy trình ComfyUI thủ công được mô tả ở đây là con đường nên đi.

Tài nguyên tham khảo gồm GitHub Efficiency Nodes ComfyUI cho node LoRA Stacker, repo multi-lora-stack cho một cách triển khai thay thế, và tài liệu LoRA của Civitai vốn có các hướng dẫn cộng đồng về những tổ hợp LoRA cụ thể hoạt động tốt.