Stable Diffusion 中的四种主要模型类型：Checkpoint、Embedding、LoRA 和 Hypernetwork。Checkpoint 作为基础底模决定图像风格与质量；Embedding 用于简化提示词及抑制负面效果；LoRA 实现轻量级风格或角色微调；Hypernetwork 则提供特定风格扩展。文章详细说明了各类模型的分类、原理、下载路径及使用参数配置，并通过实例展示了不同模型组合下的生图效果，帮助用户掌握模型应用技巧。
Checkpoint（检查点模型、底模）是 Stable Diffusion 的核心组成部分，封装了完整的 UNet 去噪网络、CLIP 文本编码器与 VAE 变分自编码器，决定了图像生成的基础能力、风格上限与质量基准。模型文件格式为 .ckpt 或更安全的.safetensors，体积通常 2–7GB，是文生图、图生图的地基，可直接加载使用，无需重训。
当使用 Stable Diffusion 生成图像时，选择不同的 Checkpoint 模型，模型便会基于该 Checkpoint 模型所记录的参数，以不同的风格和能力进行图像生成。Checkpoint 核心原理与结构：本质是训练过程中保存的权重快照，其内部组件与工作流决定生成能力。
| 组件 | 核心功能 | 影响范围 |
|---|---|---|
| UNet | 潜在空间去噪，生成图像特征 | 图像结构、细节、光影 |
| CLIP | 文本 → 向量，传递语义条件 | 提示词依从性、概念准确性 |
| VAE | 像素 ↔ 潜空间转换（压缩 / 还原） | 色彩还原、细节锐度、无伪影 |
UNet、CLIP、VAE 三者协同工作：CLIP 理解你的需求，UNet 构建图像骨架，VAE 还原清晰画质，不同 Checkpoint 的差异本质是这三大组件的权重参数不同。
目前主流 Checkpoint 模型可以分为三大阵营：Stability AI 主导的 SD 系列、Black Forest Labs 全新架构的 Flux 系列、厂商自研与跨架构新兴系列。
Stability AI 官方底模按架构与能力迭代，形成 SD 1.x、SD 2.x、SDXL、SD 3.x 子系列。
SD 1.5 底模：
SD 2.x 底模：
SDXL 底模：
SD 3.x 底模：
除了 Stability AI 迭代的 SD 系列底模外，另一支由 SD 创始团队 Black Forest Labs 独立打造的全新架构模型 Flux，也凭借颠覆性技术成为领域新标杆。
Flux 底模非传统的 SD 底模迭代，采用全新并行 Transformer + 流匹配训练，参数达 12B，远超 SD3.5，对组合性提示词理解零误差，适合工业设计、建筑可视化等专业场景。
Flux.1 底模：
Flux.2 底模：
除了 SD 系列与 Flux 系列的 Checkpoint 底模外，常见的 Checkpoint 模型还有厂商自研底模、跨架构新兴底模。
厂商自研底模多采用 Diffusion/Transformer 混合架构，主打端云协同、合规可控与场景定制。
跨架构新兴底模多采用 Transformer + 流匹配或优化 U-Net 架构，主打专业风格专精与推理效率提升。
本地部署 Stable Diffusion 需要自行下载 Checkpoint 模型，部分在线平台可以直接在模型广场中选择使用。
Checkpoint 模型可以从第三方网站上下载，然后将其放在指定的文件夹中，即可在 Stable Diffusion 中使用所下载的 Checkpoint 模型。
开源模型仓库是一个庞大且活跃的社区，用户可以在这里找到各种类型的模型。
模型仓库示例地址：https://huggingface.co/
模型社区也是一个极具影响力的平台，用户能上传自己用数据训练的 AI 生成自定义模型，也可浏览并下载平台上大量由不同创作者贡献的模型。
模型社区示例地址：https://civitai.com/models
在线 AI 图像生成平台拥有超过 10 万 + 的免费模型，涵盖插画、摄影、2.5D、科幻、人物角色、机甲、游戏、中国风、动漫、工业设计、UI 设计、产品包装等众多领域，满足用户多样化的创作需求。
在线平台示例地址：https://www.liblib.art/
下载后的 Checkpoint 模型文件，直接放在 /stable-diffusion-webui/models/Stable-diffusion 文件夹中即可，不同的第三方 Stable Diffusion 整合包的具体路径可能不同，但大致路径相同。
Checkpoint 模型文件放置完成后，在 Stable Diffusion WebUI 的左上角，即可切换 Checkpoint 模型。
在 Stable Diffusion WebUI 中显示的 Checkpoint 模型的名称，即 Checkpoint 模型文件的名称，可以通过修改模型文件的名称，来辨别不同的 Checkpoint 模型。
Realistic Vision 模型以其逼真的图像生成效果闻名，它能够精准地捕捉对象的细节和光影变化，使得生成的图像看起来仿佛是真实拍摄的一样，无论是风景、建筑还是人物肖像，Realistic Vision 模型都能呈现出令人惊叹的写实效果。
majicMIX realistic 麦橘写实模型结合了多种写实风格的特点，通过混合不同艺术风格创造独特逼真图像，能依据输入文本描述灵活调整细节和色彩，生成兼具艺术感与真实感的画面。
epicRealism 模型专注于生成宏大、震撼的写实场景，擅长捕捉广阔的视野和壮丽的景色，能够生成令人心驰神往的自然风光、城市景观等图像。
Anything 模型以其灵活多变的风格备受推崇，它能根据输入的文本描述，生成各种各样的动漫卡通形象。
GhostMix 模型能够将多种风格融合在一起，生成既具有新颖感，又充满个性的动漫卡通形象。
DDicon 模型能够生成具有透明感和光泽度的玻璃材质图像，是一款生成 B 端风格元素的模型。
Flux.2 [pro] 模型适合品牌广告与营销视觉、影视与游戏概念设计、电商高端视觉设计、专业人像与商业摄影等实用场景。
星流 Star-3 模型是由相关机构推出的新一代图像基础大模型，多风格概念精准响应，更懂生产力。
麦橘超然 MajicFlus 模型是一款基于 Flux [dev] 微调融合的模型，专注于高质量人像生成，尤其擅长表现亚洲女性的细腻与美感，模型以唯美、写实、易用为核心特色，能够通过简单的提示词生成优质效果，同时对复杂提示词也有出色的响应能力。
Checkpoint 模型提供了丰富多样的风格选择，无论是写实类、动漫卡通类，都能找到合适的模型来满足创作需求，通过尝试不同的模型和风格，可以创作出丰富多彩的图像作品，展现出独特的艺术魅力。
以生成一张人物写实图为例，参考生成参数如下。
第一次调整生成参数如下。
第二次调整生成参数如下。
Embedding（嵌入模型）是一种用于微调模型以理解和生成特定概念或风格的技术，用于增强模型对特定概念的理解和生成能力，可以将其看作是提示词的模块化升级。
Embedding 的模型核心作用：
本地部署 Stable Diffusion 需要自行下载 Embedding 模型，部分在线平台无需下载即可在编写提示词时使用。
Embedding 模型同样可以从 Hugging Face、Civitai 等社区中进行下载，在搜索时可以从社区中筛选出 Embedding 模型。
下载后的 Embedding 模型文件，直接放在 /stable-diffusion-webui/embeddings 文件夹中即可，不同的第三方 Stable Diffusion 整合包的具体路径可能不同，但大致路径相同。
Embedding 模型文件放置完成后，在 Stable Diffusion WebUI 面板中，需要先打开隐藏面板，即可选择对应的 Embedding 模型。
使用 Embedding 模型时，需要在提示词中引用对应的 Embedding 模型的名称，才能将其触发，在使用过程中要注意正向提示词和反向提示词是否正确引用了对应的 Embedding 模型。
在 Liblib AI 中使用 Embedding 模型，可以从词库中选择使用，也可以在 Textual Inversion（文本反转）中选择使用。
EasyNegative 模型用于抑制模糊、灰调，解决面部扭曲等通用低质问题，适配主流动漫模型。
badhandv4 模型专注修复人物手部结构错误、五指异常、比例失调等问题，对画风影响极小，适合人物肖像与动漫角色创作。
DeepNegative 模型用于抑制人体解剖错误、构图混乱、色彩异常与空间颠倒等深层问题，副作用低，适配写实人像与建筑场景。
以生成一张人物写实图为例，参考生成参数如下。
在未使用 Embedding 模型且未设置负向提示词的情况下，生成出来的图像有畸形的情况，手指处崩坏严重。
调整生成参数如下。
LoRA（低秩适应模型）是一种用于大型语言模型的轻量级微调技术，在 Stable Diffusion 中 LoRA 模型允许我们在不改变原始模型权重的情况下，通过添加少量的模型参数实现风格或主题适配，效果优于 Embedding、成本远低于全模型微调，是复杂风格、复杂角色、细节定制的主流方案。
LoRA 模型的核心作用：
本地部署 Stable Diffusion 需要自行下载 LoRA 模型，Liblib AI 可以直接在模型广场中选择使用。
LoRA 模型同样可以从 Hugging Face、Civitai 等社区中进行下载，在搜索时可以从社区中筛选出 LoRA 模型，以快速查找 LoRA 模型。
下载后的 LoRA 模型文件，直接放在 /stable-diffusion-webui/models/Lora 文件夹中即可，不同的第三方 Stable Diffusion 整合包的具体路径可能不同，但大致路径相同。
LoRA 文件放置完成后，在 Stable Diffusion WebUI 面板中，需要先打开隐藏面板，即可选择对应的 LoRA。
使用 LoRA 时，需要在正向提示词中引用对应的 LoRA 模型，才能将其触发。
以生成一张成年哪吒人物图为例，参考生成参数如下。
以生成一张儿童插画图为例，参考生成参数如下。
Hypernetwork（超网络模型）是一种附加到主模型的小型神经网络，允许我们在不改变主模型结构等情况下，调整生成图像等某些特性，效果与灵活性介于 Embedding 与 LoRA 之间。
Hypernetwork 模型的核心价值在于以轻量级方式扩展 Stable Diffusion 的风格多样性，让用户无需复杂训练即可实现个性化风格控制，虽然 Hypernetwork 模型的地位逐渐被 LoRA 模型取代，但在如极端风格、快速实验等特定场景中仍具不可替代性。
本地部署 Stable Diffusion 需要自行下载 Hypernetwork 模型，Liblib AI 可以直接在模型广场中选择使用。
Hypernetwork 模型同样可以从 Hugging Face、Civitai 等社区中进行下载，但社区中 Hypernetwork 模型资源相对较少。
下载后的 Hypernetwork 模型文件，直接放在 /stable-diffusion-webui/models/hypernetworks 文件夹中即可，不同的第三方 Stable Diffusion 整合包的具体路径可能不同，但大致路径相同。
Checkpoint 检查点模型：
Embedding 嵌入模型：
LoRA 低秩适应模型：
Hypernetwork 超网络模型：
Stable Diffusion 的模型都可以从 Hugging Face、Civitai、LiblibAI 等社区中下载，Liblib AI 中可以直接选择使用，但是需要注意社区模型的质量时参差不齐的，在生图时可以不断地尝试，调整生图参数，并结合不同的 Checkpoint、Embedding、LoRA 等模型，创造出全新的视觉效果。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
