使用快手kcolors模型和国风描边Lora的工作流。

使用模型时，请注意遵守该LORA模型的创作许可要求。

使用快手kcolors模型和国风描边Lora的工作流。



支持中文提示词。



Lora模型：

https://www.liblib.art/modelinfo/52801b95471741d7b5ae7755168bfc44
[https://www.liblib.art/modelinfo/52801b95471741d7b5ae7755168bfc44]



使用模型时，请注意遵守该LORA模型的创作许可要求。



国风描金插画

使用Live Portrait， 用一个引导视频，让照片动起来。

确保输入图片的头像质量和亮度

工作流功能

使用Live Portrait， 用一个引导视频，让照片动起来。



确保输入图片的头像质量和亮度



Live Portrait， 让照片动起来

IDM VTON是一个功能强大的虚拟换衣模型，能够几乎将一件正面衣服照片，按原花纹、图案换到模特身上。

本工作流使用IDM VTON换衣，并使用IPAdapter进行二次渲染，增加换衣后的效果。

工作流功能

IDM VTON是一个功能强大的虚拟换衣模型，能够几乎将一件正面衣服照片，按原花纹、图案换到模特身上。

本工作流使用IDM VTON换衣，并使用IPAdapter进行二次渲染，增加换衣后的效果。



IDM VTON虚拟换衣工作流，可能是现在效果最佳的虚拟换衣工作流

 使用Fooocus引擎的文字特效生成器。

使用的大模型：dreamshaperXL_v21TurboDPMSDE.safetensors

使用Fooocus引擎的文字特效生成器。

使用的大模型：dreamshaperXL_v21TurboDPMSDE.safetensors



 基于Fooocus的文字特效 Fooocus Text Effect 

使用Ghibili Lora，IPAdapter和HiRes-Fix高清节点，生成吉卜力风格肖像作品。

大模型:  juggernautXL_v9Rdphoto2Lightning.safetensors

Lora: StudioGhibli.Redmond-StdGBRRedmAF-StudioGhibli.safetensors

使用Ghibili Lora，IPAdapter和HiRes-Fix高清节点，生成吉卜力风格肖像作品。

使用的模型：

大模型: juggernautXL_v9Rdphoto2Lightning.safetensors

Lora: StudioGhibli.Redmond-StdGBRRedmAF-StudioGhibli.safetensors



吉卜力肖像工作室 Ghibli Portrait Studio 

标准

T4 16G vRAM 4vCPU

高级

A10 24G vRAM 16vCPU

使用IPAdapter，用参考图片，进行局部重绘。是虚拟换衣等的基础。

IPAdapter局部重绘

人脸模型专注于面部。参考图片要求面部清晰，没有其他细节干扰，使用正方形图片。

IPAdapter人脸

使用批量图片处理节点，将多个图片发送给同一IPAdapter处理。

IPAdapter批处理工作流

使用IPAdapter的基础工作流。IPAdapter是Image Prompt adapter的缩写，由腾讯团队发布。IPAdapter使用图片作为提示词，可以实现风格、结构迁移，或面部表情参考。

IPAdapter模型必须与CLIP视觉编码模型以及基础大模型配套使用。SD1.5大模型配合以vit-h结尾的SD1.5 CLIP模型。 SDXL基础模型，需要使用已 vit-g结尾的CLIP模型。

IpAdapter基础模型

多个ControlNet可以同时使用。本工作流同时使用Depth ControlNet和 Tile Controlnet。

SD1.5多ControlNet

比OpenPose更为出色的姿态控制ControlNet

SD1.5 DWPose Controlnet工作流

OpenPose Controlnet从参考图片中提取人物姿态，引导提示词生成与姿态类似的人物图片。

SD1.5 OpensePose Controlnet

Depth深度 Controlnet从参考图片里提取空间深度信息，指导图片生成。

SD1.5 Depth Controlnet工作流

Canny是ControlNet的一种，具有极高性能。Canny从图片中提取主要特征，应用到生成中。记得尝试不同的ControNet强度。一般可以从0.7开始。

SD1.5 Canny Contronet 

AI的Latent图片可以被直接放大，第二遍生成需要使用较高的denoise.Latent图片放大效率极高，但是放大后的图片与原图可能有较大变化，适合对与原图相似性要求不高的图片放大。

Latent图片放大工作流

最简单也是运算成本最低的图片放大方法。使用 lanczos 算法放大后，使用2次生成。需要使用相对较高的denoise参数，因此生成图片和原图会有一定差异。

像素放大工作流

基于SDXL基础工作流的图生图工作流。用户上传一张图片作为底图，生成图片。

SDXL基础图生图工作流

本工作流在SDXL基础工作流上增加了Refiner,优化器。SDXL基础工作流生成图片，优化器提高图片的质量。

带Refiner的SDXL基础工作流

进行外扩时，有时会出现外扩区域与原区域有明显衔接线。本工作流在生成图片上，使用一个低denosise值，修正该问题。

SD1.5外扩，带衔接线修正

本工作流第一部分生成一张用于外扩的图片。你可以用图片倒入节点替代。

第二部分，使用outpainting，外扩，向外扩张图片。注意实质上使用的局部重绘的算法，所以需要使用局部重绘模型以及外部VAE节点。

SD1.5外扩基础工作流

本工作流让用户选择性编辑图片的某个部分。右键点击图片，选择Mask Editor,涂抹需要修改的部分。

本工作流中，使用低denoise参数，增加细节，并融合原图与新生成的部分。

SD 1.5基础局部重绘工作流

本工作流在SD1.5基础工作流上，使用外部VAE，增加第二次处理。第二次处理可以增加清晰度、细节、修正一些错误。

增加DENOISE参数，会增加更多细节，但是会改变第一次生成的图片。

SD1.5二次生成基础工作流

本工作流允许在生成图片时，跳过CLIP模型的一些步骤，用于增加生成图片的创造性。CLIP模型用于解释提示词，引导按提示词生成图片。通过增加或降低CLIP skip的参数，可以调节生成图片时遵循安装提示词的程度，从而调节AI自由发挥的程度。

带CLIP skip的SD1.5基础工作流

本工作流通过Latent From Batch节点，一次生成多张图片。

SD1.5批量生成工作流

基础SD1.5工作流上，增加了一个img2img的工作流。

上传一张参考图片，使用提示词引导图片生成。

带图生图的SD1.5基础工作流

本工作流在基础模型上增加了LoRA节点。

带加载LoRA的SD1.5基础工作流

本工作流在SD1.5基础工作流上，增加了加载外部VAE的节点

本工作流在基础SD1.5工作流上增加了一个加载外部VAE的节点。VAE模型用于将生成式AI的潜空间图片(latent image)转换为像素空间图片。VAE的质量对图片质量影响很大。外部VAE类似于滤镜，可以给生成的图片不同的艺术风格和效果。

带加载VAE的SD1.5基础工作流

允许调整基本配置如种子、步数等

请确保模型带有高质量VAE,否则使用带有加载VAE节点的工作流。