LoRA是什么
Low-Rank Adaptation · 作者：夸父
一句话定义：LoRA 是大模型的高效微调技术：不用重新训练整个模型，只训练一个几十 MB 的小插件，就能让模型学会特定画风或角色——生图圈用它来固定风格和"养"专属角色。
一个类比理解 LoRA
把大模型想象成一个全能摄影师，LoRA 就是给他的一张"专项备忘卡"：读完这张卡，他就擅长某一种画风（水墨、赛博、某动画风格）或认识某一个角色。模型本体不用动，换一张卡就换一个专项。
为什么它对短视频创作者有用
两个场景：一是固定画风——漫剧、品牌内容需要几十张图风格统一，用风格 LoRA 比反复堆提示词可靠得多；二是养专属角色——用自己的素材训练角色 LoRA，之后这个角色在任何场景都能被生成出来。
成本与门槛
开源训练工具已经把门槛降到"有 20~50 张好素材 + 一张 12GB 显存的显卡"就能训练（几小时）。不想自己训练的，模型社区有大量现成风格 LoRA 直接下载。逐日 AI 的 ComfyUI 路线里，LoRA 挂载是工作流的标准环节。
训练一个自己的 LoRA 需要什么
最小可行配置：素材（目标风格或角色的 2050 张高质量图，角度与光线多样）、算力（12GB 显存的 GPU，训练 13 小时）、训练工具（开源训练脚本或 ComfyUI 生态的训练节点）、底模选择（LoRA 挂在哪个基座模型上训练，使用时也要配同一个底模）。
训练完成得到一个几十到一百多 MB 的权重文件——这就是"学会了专项技能的备忘卡"。使用时挂载到生图工作流，权重系数（0.5~1.0）控制风格强度：太低没效果，太高会过拟合（画面全部一个样）。
LoRA 与 IPAdapter 的选择
两者都能"让画面像某个参照"，机制不同：LoRA 是把特征"训练进"一个小模型（前期投入高，生成时稳定）；IPAdapter 是推理时注入参考图特征（零训练，灵活但每张图都要挂参考）。实务选择：长期经营的角色/画风用 LoRA（一次训练永久使用），临时性的参考用 IPAdapter（快）。漫剧生产里两者可以叠用——LoRA 锁画风，IPAdapter 锁角色。