LORA和Embeddings都可以对画面内容进行调整。目前LORA主要用来定义画面特征，如具体的人物，衣物，画风等。Embeddings目前主要用于反面提示词中，用来避免错误的画面表现。 

LORA

lora的全称为：低秩适应模型。lora的基本用法很简单，首先要将下载好的lora文件存放在特定目录下：

我们先不使用lora，先用基本的提示词生成一张图片：

从生成的图片可以看到，提示词基本上在图片中都得到了体现。

这里提出一个问题，如果我想让特定的角色出现在画面中，怎么办呢？

我们可以使用lora解决这个问题。首先我们在提

只引入lora文件可能不生效，不同的lora需要不同的提示词去触发效果，这里我们将对应的提示词加入到正向提示词里面。

souryuu asuka langley  一个lora会有1个以上的提示词

生成的图片可以看到，图片里的人物具备了较多的特定人物特征。

 

lora的权重通常设置在0.7-1.0之间。设置的值过大会导致画面饱和度以及画面细节失常；设置的值过小会导致特征在图片上不体现。 

Embeddings

嵌入式网络目前通常用在负面提示词词条中，用于抑制画面中出现某些特征。比如人物图像中常见的坏手，多肢体等特征可以通过增加嵌入式网络到负面提示词中得以控制。

图中框出的反向词都是嵌入式网络，用于抑制人物的肢体错误。

 嵌入式网络存放目录如下