ComfyUI IPAdapter 实战：参考图风格迁移、构图控制与模型配对

手里一张梵高的星空,想让 AI 生成同样风格的风景,文字 Prompt 写了半天还是不对。换成 ComfyUI IPAdapter,拖一张参考图进去,weight 调到 1.0,出来的脸糊得认不出,构图也被带跑了。

IPAdapter 的核心问题不是”怎么装”,而是”怎么配、怎么调、怎么控”。这篇文章给你完整的模型↔CLIP Vision 配对表(头号报错的根源)、weight_type 选项实战建议、三种控制方式的分工对比,以及从 SD1.5 到 SDXL再到 FLUX 的三套生态分流。

一、IPAdapter 是什么:一张图当成一个 LoRA

ComfyUI 官方把 IPAdapter 定位为”image-to-image conditioning”,核心机制是把参考图的视觉特征编码后注入生成过程。cubiq 仓库的 README 里有一句定位很清楚:Think of it as a 1-image lora。

一张图即时迁移,不用训练,这就是 IPAdapter 和 LoRA 的核心区别。LoRA 需要准备多张训练图、跑训练流程、生成模型文件(通常几十 MB 到上百 MB),之后每次生成都要加载这个模型。IPAdapter 直接把一张参考图当条件用,生成时实时编码,不需要额外的模型文件。

从底层机制看,LoRA 是微调模型的权重矩阵,生成时直接改模型参数。IPAdapter 是把参考图编码成条件向量,注入到交叉注意力层,生成时和文字 Prompt 的条件一起作用。两者路径不同,但都能控制生成结果。

1.1 三种控制方式的分工

ComfyUI 里控制生成的三种主流方式,分工各有侧重:

控制方式	控什么	需什么	优势
IPAdapter	风格/参考/主体特征	一张参考图	即时迁移,无需训练
ControlNet	结构/姿势/线稿/深度	结构图(OpenPose/Canny/Depth)	精确控制构图与姿势
LoRA	风格/角色/画风	训练好的模型文件	多次复用,输出稳定

三种方式各有适用场景:

• IPAdapter 适合: 快速试风格、单次参考、不想训练模型时。比如手里一张梵高星空,想生成类似风格的风景,直接拖进去就行。
• ControlNet 适合: 精确控制姿势/构图/边缘。比如想让人物保持特定姿势,用 OpenPose 结构图控制。
• LoRA 适合: 多次复用同一风格/角色。比如训练了一个角色 LoRA,之后每次生成都能稳定复现这个角色。

三者可以叠加。比如你想要”梵高星空风格 + 指定姿势的人像”,就可以用 IPAdapter 迁移风格、ControlNet OpenPose 控姿势,两个条件同时生效。具体叠加方法见 ComfyUI ControlNet 实战。

二、头号报错:模型↔CLIP Vision 配对表

装了 IPAdapter 节点却报错或完全无效果,90% 是 CLIP Vision 模型没下载、放错目录、或者和 IPAdapter 模型配错了。

2.1 CLIP Vision 模型清单

IPAdapter 需要两个模型:一个是 IPAdapter 本身,另一个是 CLIP Vision 模型(负责把参考图编码成条件)。两者必须配对,否则无效果或报错。

CLIP Vision 模型	文件名	适用 IPAdapter 模型
vit-h	CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors	SD1.5 多数模型 + SDXL 的 *_vit-h 后缀模型
bigG	CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors	vit-G 后缀模型(如 ip-adapter_sd15_vit-G、ip-adapter_sdxl)

vit-h 模型约 1.7GB,bigG 模型约 3.5GB。下载时注意选对 HuggingFace 仓库,避免下载成其他 CLIP 模型。

2.2 目录与命名要求

• CLIP Vision 目录: ComfyUI/models/clip_vision/
• IPAdapter 目录: ComfyUI/models/ipadapter/(需手动创建)
• 命名要求: Unified Loader 要求文件名严格按官方列表命名;Legacy Loader 可任意文件名但需手动选模型

目录不存在时,节点会报错或提示找不到模型。models/ipadapter/ 目录默认不存在,必须手动创建。创建方法:

mkdir -p ComfyUI/models/ipadapter

2.3 常见配对错误

1. 用 ip-adapter_sdxl 却配了 vit-h: ip-adapter_sdxl 是不带 vit-h 后缀的 SDXL 模型,应该配 bigG,不是 vit-h。配错后要么报错,要么效果完全不对。
2. 用 ip-adapter-plus_sd15 却没下载 CLIP Vision: 只下载了 IPAdapter 模型,忘记下载 CLIP Vision。节点加载成功,但生成时完全无效果,参考图特征不出现。
3. 文件名改了,Unified Loader 无法识别: 比如把 ip-adapter-plus_sd15.safetensors 改成 my_ipadapter.safetensors,Unified Loader 无法自动识别,节点会提示找不到模型。解决方法:改回官方命名,或用 Legacy Loader 手动选。

2.4 检查清单

遇到报错时,按以下顺序检查:

1. 检查 ComfyUI/models/clip_vision/ 目录,确认 CLIP Vision 模型已下载且文件名正确
2. 检查 ComfyUI/models/ipadapter/ 目录,确认目录存在且 IPAdapter 模型已下载
3. 对照配对表,确认 IPAdapter 模型和 CLIP Vision 配对正确
4. 检查文件名是否按官方命名,避免 Unified Loader 无法识别

配对表是 IPAdapter 的头号报错根源。下载前先核对表格,能避开 90% 的初始问题。

三、IPAdapter 模型分档:选型速查表

不同场景用不同档位的模型。基础模型强度适中,plus 模型强度更强,plus-face 和 full-face 专做人脸参考。

3.1 SD1.5 模型分档

模型	强度	适用场景
ip-adapter_sd15	中等	基础风格迁移,不想风格太强烈时用
ip-adapter-plus_sd15	强	多数场景推荐,风格迁移效果明显
ip-adapter-plus-face_sd15	人像专用	保持人脸特征,生成人像时用
ip-adapter-full-face_sd15	更强但不一定更好	需极端人脸控制时可尝试,但效果不一定优于 plus-face

plus 模型比基础模型更强,迁移效果更明显,但也更容易把构图带跑。如果只想做轻度风格迁移,用基础模型更合适。

plus-face 和 full-face 专做人脸参考,生成人像时优先用这两个。full-face 比 plus-face 强度更高,但不一定效果更好,有时反而会导致人脸过度失真。建议先用 plus-face,效果不理想时再尝试 full-face。

3.2 SDXL 模型分档

SDXL 模型全部配 vit-h 的 CLIP Vision(注意和 SD1.5 的 ip-adapter_sdxl 区分,那个用 bigG)。

模型	CLIP Vision 配对
ip-adapter_sdxl_vit-h	vit-h
ip-adapter-plus_sdxl_vit-h	vit-h
ip-adapter-plus-face_sdxl_vit-h	vit-h

SDXL 的 IPAdapter 模型命名都带 vit-h 后缀,配 vit-h 的 CLIP Vision。如果看到不带后缀的 ip-adapter_sdxl,那是另一种模型,配 bigG,不是这个表格里的。

3.3 社区扩展模型

ip_plus_composition_sd15/sdxl 是社区扩展模型,只迁移构图,忽略风格和内容。想保留参考图的构图但风格/内容自己定时可用。这个模型配合 composition weight_type,构图控制更精确。

3.4 选型建议

• 风格迁移为主: 用 plus 模型,效果明显
• 人像生成: 用 plus-face 模型,保人脸特征
• 轻度风格迁移: 用基础模型,避免风格过强
• 只迁构图: 用 ip_plus_composition + composition weight_type
• 多次复用同一参考图: 考虑训练 LoRA,而不是每次都用 IPAdapter

四、weight_type 实战表:只迁风格 vs 只迁构图 vs 保主体

默认情况下,IPAdapter 会把参考图的风格、构图、主体特征全部迁移过去。这会导致你想迁风格却把构图也带跑、想保人脸却糊脸的问题。weight_type 参数可以控制迁移范围。

4.1 weight_type 选项清单

weight_type	效果	适用场景
style transfer	只迁风格	想让新图有参考图的风格,但构图自己定
composition	只迁构图	想保留参考图的构图,但风格/内容自己定
precise style transfer	精确风格迁移	尽量只迁风格,不带构图(推荐用这个替代 style transfer)
默认(无 weight_type)	全迁移	风格 + 构图 + 主体特征都迁

weight_type 参数在 IPAdapter Advanced 节点里设置。如果用 IPAdapter Unified Loader,默认不调 weight_type,就是全迁移模式。想精确控制,必须用 Advanced 节点或专门的 IPAdapter Style & Composition 组合节点。

4.2 weight_type 的区别

• style transfer: 只迁风格,但有时还是会带一点构图特征。控制不够精确。
• precise style transfer: 精确风格迁移,尽量不带构图,控制更精确。推荐优先用这个。
• composition: 只迁构图,忽略风格和内容。适合想保持参考图的构图框架,但风格和主体自己定。

4.3 场景化建议

• 只迁风格: 用 precise style transfer 或 style transfer,在 IPAdapter Advanced 节点里设置 weight_type。weight 调到 0.7-0.9,避免过强。
• 只迁构图: 用 composition,配合社区扩展模型 ip_plus_composition_sd15/sdxl 效果更好。weight 可以调到 0.9-1.0,构图控制通常不会糊脸。
• 保人脸: 用 plus-face 模型 + weight 降到 0.8 以下,避免糊脸。weight_type 保持默认或用 style transfer,不要用 composition。
• 多参考图: 把不想用的一路 weight 设为 0,只让需要的参考图生效。比如两张参考图,一张迁风格,一张迁构图,把构图那张的 weight_type 设 composition,风格那张设 precise style transfer,各自 weight 调合适。

4.4 weight_type 与 weight 的组合

场景	weight_type	weight 建议
只迁风格,构图自己定	precise style transfer	0.7-0.9
只迁构图,风格自己定	composition	0.9-1.0
迁风格+保人脸	默认 + plus-face 模型	0.6-0.8
多参考图组合	各路分别设 weight_type	按场景调,不用的设 0

weight_type 是控制迁移范围的核心参数。不想把构图带跑,就别用默认,改成 precise style transfer。想保人脸,就降 weight + 用 plus-face 模型。

五、weight 调参直觉

weight 调多少合适?默认 1.0 太高,出来的脸糊得认不出,或者参考图特征完全盖过文字 Prompt。

5.1 起步值

建议起步降到至少 0.8,而不是直接用 1.0。weight=1.0 时,参考图的特征会被过度放大,人脸容易糊,文字 Prompt 的描述也会被压制。

增加步数可以改善这个问题。从 20 步增加到 30 步,糊脸情况会减轻,但根本方法是降低 weight。步数增加会增加生成时间,weight 降低不会。

5.2 weight 区间直觉

weight	效果	问题
1.0	最强迁移	糊脸、盖过 Prompt、构图失控
0.8-0.9	较强迁移	平衡点,多数场景推荐
0.5-0.7	中等迁移	风格弱,可叠加多张参考图补充
0.3-0.5	轻度迁移	只做微调,接近纯 Prompt 生成

weight 过低会导致参考图特征不明显,甚至完全没效果。weight 过高会导致参考图特征过度放大,盖过文字 Prompt。0.8 是一个安全起步点。

5.3 与步数的关系

weight 高 → 增加步数改善糊脸问题。weight 低 → 可以减少步数节省生成时间。

具体建议:

• weight=1.0 → 步数至少 30,甚至 40
• weight=0.8-0.9 → 步数 25-30
• weight=0.5-0.7 → 步数 20-25
• weight=0.3-0.5 → 步数 20

步数不是越高越好。超过 40 步后,改善效果不明显,生成时间却翻倍。优先调 weight,而不是无限制增加步数。

5.4 与其他参数的组合

• weight + weight_type: weight 控强度,weight_type 控范围。先确定 weight_type(要不要迁构图),再调 weight(迁多强)。
• weight + CFG Scale: CFG Scale 控文字 Prompt 的权重。weight 高时,可以调高 CFG Scale 补文字 Prompt 权重(比如从 7 调到 9)。weight 低时,CFG Scale 保持默认 7 即可。
• weight + 多参考图: 多张参考图时,各自 weight 要调低避免冲突。比如两张图各设 0.5-0.6,而不是各设 0.8-1.0。

5.5 实测建议

0.8 是一个安全起步点。先用 0.8 + 30 步生成一张,看效果再决定是调高还是调低。不要一上来就用 1.0。

实测流程:

1. weight=0.8,步数=30,生成一张看效果
2. 参考图特征不明显 → weight 调到 0.9
3. 参考图特征太强/糊脸 → weight 调到 0.7
4. 构图被带跑 → weight_type 改成 precise style transfer

weight 是 IPAdapter 最核心的调参参数。起步 0.8,按效果微调。

六、安装与节点操作

6.1 安装步骤

1. 克隆仓库: 在 ComfyUI/custom_nodes/ 目录下执行:

   git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus

2. 创建目录: 手动创建 ComfyUI/models/ipadapter/ 目录(IPAdapter 模型默认目录不存在,需手动创建):

   mkdir -p ComfyUI/models/ipadapter

3. 下载模型:

   • CLIP Vision 模型下载到 ComfyUI/models/clip_vision/
   • IPAdapter 模型下载到 ComfyUI/models/ipadapter/
   • 下载前核对第二章的配对表,避免配错

4. 重启 ComfyUI: 重启后节点列表会出现 IPAdapter 相关节点

安装完成后,节点列表会新增以下节点:

• IPAdapter Unified Loader
• IPAdapter Advanced
• IPAdapter Encoder
• IPAdapter Style & Composition
• IPAdapter Precise Style Transfer

6.2 核心节点

IPAdapter Unified Loader: 统一加载器,自动识别模型,要求文件名严格按官方列表命名。推荐使用。这个节点会自动加载 IPAdapter 模型和配套的 CLIP Vision 模型,省去手动选择的麻烦。

参数说明:

• ipadapter_file: 选择 IPAdapter 模型(如果文件名按官方命名,自动识别)
• clip_vision: 选择 CLIP Vision 模型(自动匹配)
• lora: 如果用 FaceID 模型,会自动加载配套 LoRA

IPAdapter Advanced: 高级节点,可调 weight_type / start_at / end_at,控制迁移范围和生效区间。这个节点是精确控制的核心。

参数说明:

• weight: 参考图强度(建议起步 0.8)
• weight_type: 迁移范围(style transfer / composition / precise style transfer)
• start_at: 生成的开始阶段(0-1,比如 0.2 表示从第 20% 步开始生效)
• end_at: 生成的结束阶段(0-1,比如 0.8 表示在第 80% 步结束生效)

start_at 和 end_at 可以控制 IPAdapter 在生成过程的哪一段生效。比如 start_at=0.2, end_at=0.8,表示 IPAdapter 只在第 20%-80% 步生效,前 20% 步和后 20% 步不受参考图影响。

IPAdapter Encoder: 编码参考图,生成条件向量。这个节点负责把参考图编码成 IPAdapter 可以用的条件。通常不需要手动调整。

6.3 Legacy Loader vs Unified Loader

• Unified Loader: 要求严格命名,自动加载,适合多数场景。文件名必须按官方列表,否则无法识别。
• Legacy Loader: 文件名可任意,需手动选模型,适合自定义命名或测试不同模型版本。适合想改名或测试特定版本的场景。

下载模型时按官方命名,用 Unified Loader 省时间。如果改名了或想测试特定版本,用 Legacy Loader 手动选。

6.4 基础工作流搭建

一个基础的 IPAdapter 工作流包含以下节点连接:

Load Checkpoint → IPAdapter Unified Loader → IPAdapter Advanced → KSampler → VAE Decode → Save Image
                          ↑
                    Load Image (参考图)

具体步骤:

1. 加载底模(Load Checkpoint)
2. 加载 IPAdapter 模型(IPAdapter Unified Loader)
3. 加载参考图(Load Image)
4. 应用 IPAdapter 条件(IPAdapter Advanced)
5. 生成(KSampler)
6. 解码图像(VAE Decode)
7. 保存(Save Image)

缺失节点安装方法见 ComfyUI 工作流复用完整指南。

七、FLUX IPAdapter 分支:实验性方案

FLUX 的 IPAdapter 节点和 SD 完全不同,不能用 cubiq 的节点包。目前有两套主流方案,都处于 beta 状态。

7.1 XLabs-AI 方案

• 节点: Flux Load IPAdapter + Apply Flux IPAdapter
• 目录: ComfyUI/models/xlabs/ipadapters/(不是 models/ipadapter/)
• 状态: beta,官方明确说”不保证一次出好结果”,需要多试、调 ip strength
• 许可: 权重属于 FLUX.1 [dev] 非商用许可,商用需要注意

XLabs-AI 方案是 FLUX IPAdapter 的主流方案之一。安装方法:

1. Clone XLabs 节点包到 custom_nodes/
2. 下载 FLUX IPAdapter 模型到 models/xlabs/ipadapters/
3. 加载 FLUX 模型(不是 SD 模型)
4. 使用 Flux Load IPAdapter 和 Apply Flux IPAdapter 节点

参数说明:

• ip_strength: 参考 IDAdapter 的 weight,控制强度。起步建议 0.8-0.9,不是 1.0。
• 调整时需要多试,官方说”不保证一次出好结果”。

7.2 Shakker-Labs 方案

• 节点: Apply IPAdapter Flux Model
• 参数: weight(强度) / start_percent / end_percent(决定生效区间)
• 目录: clone 到 ComfyUI/custom_nodes/comfyui-ipadapter-flux/

Shakker-Labs 是另一套 FLUX IPAdapter 节点。安装方法:

1. Clone Shakker-Labs 节点包: git clone https://github.com/Shakker-Labs/ComfyUI-IPAdapter-Flux
2. 加载 FLUX IPAdapter 模型
3. 使用 Apply IPAdapter Flux Model 节点

参数说明:

• weight: 强度,起步 0.8-0.9
• start_percent: 开始生效百分比(类似 SD 的 start_at)
• end_percent: 结束生效百分比(类似 SD 的 end_at)

7.3 FLUX vs SD 节点差异

对比项	SD(cubiq)	FLUX(XLabs/Shakker)
节点包	ComfyUI_IPAdapter_plus	XLabs 或 Shakker-Labs 节点
模型目录	models/ipadapter/	models/xlabs/ipadapters/
状态	稳定、事实标准	beta、实验性
许可	开源	FLUX.1 [dev] 非商用

7.4 FLUX IPAdapter 使用建议

FLUX IPAdapter 生态较新,仍处于实验阶段。不保证一次成功,需要多试、调参数。使用建议:

1. 先用 XLabs 方案试,主流方案支持更好
2. ip_strength(weight) 从 0.8-0.9 开始,不要用 1.0
3. 多试几次,调整参数,不保证一次成功
4. 商用场景务必注意 FLUX.1 [dev] 非商用许可限制

FLUX IPAdapter 和 SD IPAdapter 的参数语义不同,节点不同,模型目录也不同。不要用 cubiq 的节点包加载 FLUX 模型,会报错或无效果。

八、FaceID 简述:人脸参考的一种

FaceID 是 IPAdapter 的一个分支,专做人脸参考。它需要安装 insightface 库,多数 FaceID 模型还要配一个专属 LoRA(放 models/loras/),Unified Loader 会按命名自动加载配套 LoRA。

人脸一致性/换脸的完整玩法(包括 FaceID、InstantID、ReActor 的对比与实战)见后续人脸一致性完整玩法篇,这里点到为止。

九、与 ControlNet / LoRA 分工与叠加

三种控制方式分工不同,可以叠加使用。叠加时各自 weight 要调低,避免特征冲突。

9.1 三种控制方式对比

控制方式	控什么	需什么	优势
IPAdapter	风格/参考/主体特征	一张参考图	即时迁移,无需训练
ControlNet	结构/姿势/线稿/深度	结构图(OpenPose/Canny/Depth)	精确控制构图与姿势
LoRA	风格/角色/画风	训练好的模型文件	多次复用,输出稳定

三种方式各有适用场景,不会互相替代。IPAdapter 快速试风格,ControlNet 精确控结构,LoRA 稳定复用风格/角色。

9.2 叠加示例

示例 1: 参考风格 + 控姿势

场景: 生成”梵高星空风格的人像,姿势指定”

• IPAdapter: 迁移梵高星空风格,weight=0.7-0.8,weight_type=precise style transfer
• ControlNet OpenPose: 控人像姿势,weight=0.8-1.0
• 文字 Prompt: 描述人物特征、背景细节

参数建议:

• IPAdapter weight 调到 0.7-0.8,避免风格过强盖过姿势控制
• ControlNet weight 保持 0.8-1.0,姿势控制通常不会冲突
• CFG Scale 调到 8-9,增加文字 Prompt 权重

示例 2: 参考风格 + 学角色

场景: 生成”某角色在某画风下的图”

• IPAdapter: 迁移动漫画风,weight=0.6-0.7,weight_type=precise style transfer
• LoRA: 加角色模型,weight=0.7-0.8
• 文字 Prompt: 描述场景、动作

参数建议:

• IPAdapter weight 调到 0.6-0.7,LoRA weight 调到 0.7-0.8,两者都不要过高避免冲突
• 如果角色特征不明显,调高 LoRA weight
• 如果画风特征不明显,调高 IPAdapter weight

示例 3: 多参考图 + ControlNet

场景: 生成”风格 A + 构图 B + 姿势 C 的图”

• IPAdapter 第一路: 迁移风格 A,weight=0.5-0.6,weight_type=precise style transfer
• IPAdapter 第二路: 迁移构图 B,weight=0.6-0.7,weight_type=composition
• ControlNet OpenPose: 控姿势 C,weight=0.8-1.0

参数建议:

• 多参考图时,各自 weight 调低,避免冲突
• 不需要的参考图那一路 weight 设 0
• 按优先级调 weight: 姿势 > 构图 > 风格

9.3 叠加时的注意事项

叠加时要注意:

1. 各自 weight 调低: 多个控制方式叠加时,每个 weight 都要调低避免特征冲突。比如 IPAdapter weight 调到 0.5-0.7,而不是 0.8-1.0。
2. 按优先级调参数: 姿势控制(ControlNet)通常优先级最高,其次是构图(IPAdapter composition),最后是风格(IPAdapter style transfer)。
3. 避免重复控制: 不要用两个方式控制同一特征。比如不要同时用 IPAdapter 和 LoRA 控风格,会冲突。
4. CFG Scale 调高: 多控制方式叠加时,文字 Prompt 权重会降低,CFG Scale 调到 8-9 补回来。

ControlNet 实战见 ComfyUI ControlNet 实战,LoRA 实战见 ComfyUI LoRA 实战。三种方式叠加时,各自 weight 需调低避免冲突,具体参数区间需实测。

十、排障清单

10.1 常见报错与解决

报错/现象	原因	解决
装了节点但报错/无变化	CLIP Vision 未下载/放错目录/配对错误	检查 clip_vision/ 目录、核对第二章配对表
配对错误提示	IPAdapter 模型与 CLIP Vision 错配	对照配对表,下载正确的 CLIP Vision
weight=1.0 糊脸	weight 过高	降低到 0.8-0.9,增加步数到 30
构图被带跑	默认 weight_type 全迁移	在 Advanced 节点设 weight_type 为 precise style transfer
FLUX IPAdapter 不工作	FLUX 节点与 SD 不同	使用 XLabs 或 Shakker 节点,而非 cubiq 包
Unified Loader 无法识别	文件名不严格	改回官方命名或用 Legacy Loader 手动选
参考图特征不明显	weight 过低	weight 调到 0.8-0.9,或换 plus 模型
参考图特征过强	weight 过高	weight 调到 0.5-0.7
多参考图冲突	各 weight 过高	各 weight 调低到 0.5-0.6,不用的设 0

10.2 进阶排障

参考图太复杂

问题: 一张复杂的参考图(包含风格+构图+主体),迁移时特征混乱,效果不理想。

解决:

1. 拆成多张参考图: 一张只迁风格(weight_type=precise style transfer),一张只迁构图(weight_type=composition)
2. 各 weight 调低到 0.5-0.6,避免冲突
3. 不需要的特征那一路 weight 设 0

多 LoRA叠加冲突

问题: IPAdapter + LoRA 叠加时,特征冲突,效果不理想。

解决:

1. IPAdapter weight 调到 0.5-0.7,LoRA weight 调到 0.5-0.7
2. 不要同时用 IPAdapter 和 LoRA 控同一特征(比如都控风格)
3. 按优先级调参数: LoRA 角色 > IPAdapter 风格

FLUX 生态较新

问题: FLUX IPAdapter 效果不稳定,有时不工作。

解决:

1. 多试、调 ip strength(weight),不保证一次成功
2. 先用 XLabs 方案,主流方案支持更好
3. 检查目录是否正确(models/xlabs/ipadapters/)

IPAdapter 模型匹配底模

问题: 用 SD1.5 的 IPAdapter 模型配 SDXL 底模,效果不对。

解决:

1. IPAdapter 模型要匹配底模: SD1.5 的 IPAdapter 模型配 SD1.5 底模,SDXL 同理
2. 见 Stable Diffusion 模型选型指南

节点版本差异

问题: 不同节点包版本的节点名/参数略有差异。

解决:

1. 以 Unified Loader + IPAdapter Advanced 主线为准
2. 检查节点包版本,更新到最新版
3. 不同版本参数名可能略有差异,按文档调整

10.3 排障流程

遇到问题时,按以下流程排查:

1. 检查目录: 确认 CLIP Vision 和 IPAdapter 模型都在正确目录
2. 核对配对表: 确认模型配对正确
3. 检查命名: 确认文件名按官方命名
4. 降低 weight: weight 从 0.8 开始,不要用 1.0
5. 调整 weight_type: 构图被带跑时改成 precise style transfer
6. 增加步数: weight 高时增加步数到 30

90% 的初始问题都是配对错误和 weight 过高。先检查目录、核对配对表、降到 0.8,这三步能解决大多数报错。

结论

IPAdapter 把一张参考图当条件用,即时迁移风格/构图/主体特征,不用训练 LoRA。但配错 CLIP Vision 是头号报错根源,weight 过高会糊脸,默认 weight_type 会把构图也带跑。

起步建议:

1. 检查配对表,下载正确的 CLIP Vision 模型
2. weight 从 0.8 开始,不要直接用 1.0
3. 想只迁风格时,weight_type 改成 precise style transfer
4. 叠加 ControlNet 时,各自 weight 调低避免冲突

下一步可以尝试人脸一致性完整玩法(FaceID / InstantID / ReActor 对比),或训练自己的 LoRA(多次复用,输出更稳定)。入门基础见 ComfyUI 入门完整指南。