LoRA

对模型做完整微调，意味着要改变数十亿个数字，需要昂贵的硬件，还会产生一个与原模型一样大的副本。LoRA 走的是另一条路。它冻结基础模型，只学习一小组额外的矩阵，每一个都是对某一层的紧凑修正。低秩的思想是，有用的变化可以用远少于该层所含数量的数字来描述。因此，相比基础模型的几个 GB，这个文件往往只有几 MB 到几百 MB。

在图片生成里，LoRA 很受欢迎，因为它们便于分享，也便于组合。有的捕捉水彩的质感，有的捕捉某件特定的产品或你设计的虚构角色，有的捕捉一支相机镜头。你以 0 到约 1 之间的强度应用它：低的只是点到为止，高的则效果强烈。叠加几个有时可行，但它们会相互干扰，而且 LoRA 绑定在它训练时的基础模型上，所以为某一系列模型制作的 LoRA，在另一系列上无法正常工作。

语言模型也用同样的技术来适应某个领域或语气，它还是一些高效训练方法的基础，这些方法把 LoRA 与量化（压缩基础权重）结合起来，让微调可以放进一张显卡。请记住任何附加件都伴随的提醒：它的内容来自它的作者，所以使用之前，要检查许可证、来源和训练图片里有什么，并且绝不要在未经同意的情况下，用真实人物的脸来训练。

举个具体的场景：一家小型家具作坊希望目录里的每张图片都有同一种观感，柔和的朝北日光、浅色橡木、素净的亚麻背景。与其在每个提示词里一遍又一遍地描述这种观感，创作者可以用几十张自己作品的照片训练一个 LoRA，再以适中的强度打开它。同样的思路也支撑着品牌专属的插画套件和一致的虚构角色。代价是准备工作要细致：整洁、多样、标注正确的训练图片，以及一次简短的试用，看这个附加件是否过拟合、只是复制了示例而没有学到风格。

基础模型从不被修改，所以 LoRA 可以撤销，存储也便宜：你可以并排保留许多附加件，比较它们，删掉其中一个，也不会失去其他任何东西。

NeverNo 不允许你加载自己的 LoRA 文件。工作室提供的是一个现成图片模型的目录，默认是 Z-Image Turbo，这是一个所有套餐都包含的开源模型，想要不同的风格时，你可以手动选择。想在一个模型内换一种风格，可以从十五种风格预设中选一种，再用最多 1,500 个字符的描述和反向提示词来打磨。

由于你的历史记录、角色和媒体保存在你的浏览器里，而不是我们的服务器上，自定义的附加件还会带来 NeverNo 并没有承担的存储和检查问题。NeverNo 的硬性界限适用于每一个请求：不涉及未成年人，也不生成未经同意的真实、可识别人物的图片。