Embeddings（词嵌入）、LoRa（低秩适应模型）、Hypernetwork（超网络）

Embeddings

Embeddings可以为你将不同的提示词含义整合起来，达到想要的效果。

比如正常输入“猫又”，ai无法准确识别生成，而导入或者训练相关模型之后，ai会根据提示词（两条尾巴的猫、人、妖怪）和图像整合出合理的画面。因为不包含信息，只是标注，所以文件非常小。

使用的时候通过特定的咒语进行触发，一般发布页面会有作者的说明。

它更适合范围更宽泛，不那么具体的画面，比如三视图

Embeddings还可以用来修复比例、画面、手指等错误问题，放在反向词中,推荐：

ng_deepnegative_v1_75t,EasyNegative,badhandv4,EasyNegativeV2,

其中ng_deepnegative_v1_75t倾向于真人的手指，其他倾向于二次元人物。

Embeddings只是按图索骥，真正想要具体的画风或人物形象，则需要用到以下介绍的LoRa

LoRa

相比Embeddings更加具体，通常用于二次元特定角色还原绘画。

关键词触发：<lora:xxx>，通常作者会有提示词关键词说明。

Hypernetwork

一般被用于画风训练(现在用的人不多)，比如Q版画风等不同精细的画风。

目前很多lora已经能够视线大部分效果，Hypernetwork可以用来实现特定艺术风格。