Model
Trends
.ai
Model
Trends
.ai
ओपन AI मॉडल पर नज़र
ट्रेंडिंग
रैंकिंग
गाइड
चार्ट
API

Checkpoint vs LoRA vs embedding vs ControlNet: कौन सी फाइल क्या करती है

विषय: मॉडल
Quartermaster द्वारा
अक्टू 8, 2025 को प्रकाशित

अवलोकन

एक नया यूजर "model" डाउनलोड करता है और पता चलता है कि यह छह अलग-अलग चीज़ों में से एक है जो छह अलग-अलग फोल्डरों में जाती हैं और छह अलग-अलग काम करती हैं। इस साइट के कैटलॉग में हर एंट्री को उसके टाइप (base model, LoRA, embedding, other) और उसके परिवार के साथ लेबल किया जाता है। यह गाइड एक बार इन टाइप्स को समझाता है ताकि लेबल्स का मतलब समझ में आए।
एक नियम: checkpoint पूरा painter होता है; LoRA painter को नया विषय या स्टाइल सिखाता है; embedding painter को नया शब्द सिखाता है; ControlNet या IP-Adapter painter को बताता है कि चीजें कहाँ जाएं या रेफरेंस से क्या कॉपी करना है; VAE painter की आँखें होती हैं जो कैनवास और compressed वर्किंग स्पेस के बीच कन्वर्ट करती हैं; upscaler एक अलग कारीगर होता है जो तैयार चित्र को बड़ा करता है। केवल checkpoint अकेले काम कर सकता है। बाकी सबको उसी परिवार का checkpoint चाहिए।
साइज बहुत कुछ बताते हैं। SDXL checkpoint के लिए 2 से 7 GB और Flux के लिए 12 से 24 GB; LoRA के लिए 10 से 700 MB; embedding के लिए 1 MB से कम; ControlNet के लिए 1 से 2.5 GB; VAE के लिए 300 MB; ESRGAN upscaler के लिए 60 MB। अगर LoRA नाम की फाइल 6 GB है, तो वह checkpoint है। इस मॉडल पेज पर साइज और हैश दिखता है ताकि डाउनलोड से पहले पता चल जाए।

संदर्भ

नाम
प्रकार
यह क्या है
Checkpoint (base model)
2-24 GB
पूरा denoiser, आमतौर पर text encoder और VAE के साथ बंडल होता है। Fine-tunes (DreamShaper, Juggernaut, Illustrious, Pony) नए डेटा पर retrain किए गए checkpoints होते हैं। फोल्डर: models/checkpoints (ComfyUI), models/Stable-diffusion (A1111, Forge)। Flux, Qwen और Wan अलग diffusion_models + text_encoders + vae फाइलों के रूप में आते हैं।
LoRA
10-700 MB
एक छोटा weight difference जो checkpoint के ऊपर लगाया जाता है। कैरेक्टर्स, स्टाइल्स, कॉन्सेप्ट्स, स्लाइडर्स, मोशन। ट्रिगर शब्द और weight चाहिए। फोल्डर: models/loras या models/Lora।
LyCORIS / LoCon / LoHa / DoRA
10-700 MB
LoRA के वेरिएंट जो ज्यादा लेयर्स को छूते हैं या अलग factorisation इस्तेमाल करते हैं। हर मौजूदा UI में LoRAs की तरह लोड होते हैं।
Embedding (textual inversion)
10-200 KB
text encoder के लिए एक सीखा हुआ टोकन। प्रॉम्प्ट में इसकी फाइल नेम से बुलाया जाता है। SD 1.5 और SDXL पर negative embeddings (bad-hands, easynegative) आम हैं; Flux पर कम। फोल्डर: models/embeddings।
ControlNet / T2I-Adapter
0.3-2.5 GB
एक साइड नेटवर्क जो denoiser को pose, depth map, edge map या scribble पर कंडीशन करता है। परिवार विशेष। फोल्डर: models/controlnet।
IP-Adapter / reference
50 MB-1 GB
टेक्स्ट की बजाय इमेज पर कंडीशन करता है: स्टाइल ट्रांसफर, फेस रेफरेंस। मैचिंग CLIP vision मॉडल चाहिए।
VAE
160-330 MB
पिक्सल्स और latents के बीच encoder/decoder। आमतौर पर checkpoints में बंडल होता है; अलग फाइलें washed-out रंग ठीक करती हैं (SDXL fp16-fix) या नए परिवारों के साथ आती हैं (Flux ae.safetensors, Wan VAE)।
Upscaler
2-70 MB
ESRGAN, Real-ESRGAN, SwinIR, DAT: अलग नेटवर्क जो जनरेशन के बाद पिक्सल्स को बड़ा करते हैं। फोल्डर: models/upscale_models।

चरण-दर-चरण

  1. डाउनलोड से पहले कैटलॉग लेबल और साइज से फाइल टाइप पहचानो। कार्ड पर base model, LoRA, embedding या other; मॉडल पेज पर सटीक बाइट्स।
  2. परिवार मिलाओ। हर गैर-checkpoint फाइल उस परिवार का नाम बताती है जिसके लिए बनी है (SDXL, Flux, Wan 2.2 14B); यह केवल उसी परिवार के checkpoints के साथ काम करती है।
  3. फाइल को उसके टाइप के फोल्डर में रखो (ऊपर टेबल देखें) और UI रिफ्रेश करो।
  4. Checkpoint: इसे मॉडल के रूप में चुनो। स्प्लिट परिवारों (Flux, Qwen, Wan, Z-Image) के लिए ComfyUI में diffusion model, text encoders और VAE अलग-अलग लोड करो।
  5. LoRA: checkpoint के बाद LoRA नोड लोड करो, या प्रॉम्प्ट में <lora:name:0.8> और ट्रिगर शब्द डालो।
  6. Embedding: प्रॉम्प्ट में फाइल नेम टाइप करो (या negative embeddings के लिए negative प्रॉम्प्ट); ComfyUI में embedding:name इस्तेमाल होता है।
  7. ControlNet: ControlNet नोड लगाओ प्रीप्रोसेस्ड इमेज (pose, depth) के साथ; strength 0.8 और end percent 0.8 से शुरू करो।
  8. VAE और upscaler: रंग गलत लगें तो लोडर या सेटिंग्स में VAE चुनो; Upscale Image के जरिए अंतिम स्टेप में upscaler चलाओ (Model इस्तेमाल करते हुए)।

उदाहरण

Forge प्रॉम्प्ट में पूरा SDXL स्टैक

Checkpoint: juggernautXL_v9.safetensors | VAE: sdxl_vae_fp16fix.safetensors
Prompt: zavy cinematic, <lora:zavy-cinematic-xl:0.7> a knight resting by a campfire, night, embers, 35mm
Negative: easynegative, bad-hands-5, blurry | ControlNet: openpose, weight 0.8 | Upscaler: 4x-UltraSharp 2x

ComfyUI नोड्स के रूप में वही स्टैक

Load Checkpoint -> Load LoRA -> Apply ControlNet (OpenPose image) -> KSampler -> VAE Decode (fp16-fix VAE) -> Upscale Image (using Model: 4x-UltraSharp)

टिप्स

  • कैटलॉग टाइप "other" में ControlNets, VAEs, upscalers और workflows आते हैं; मॉडल पेज बताता है कौन सा।
  • Merges वे checkpoints होते हैं जो दूसरे checkpoints को औसत करके बनाए जाते हैं; ये अपने माता-पिता के परिवार को अपनाते हैं और LoRA संगतता रखते हैं।
  • Inpainting checkpoint extra input channels के साथ होता है; इसे inpainting workflow चाहिए और यह text-to-image के लिए सीधे इस्तेमाल नहीं होता।
  • Negative embeddings SD 1.5 में हाथ ठीक करने का तरीका थे; SDXL में ये कम मदद करते हैं और Flux में कुछ नहीं करते क्योंकि मॉडल में CFG negative नहीं है।
  • Flux Fill, Flux Redux, Flux Depth और Canny checkpoints या adapters हैं, LoRAs नहीं, भले ही वे hub पर LoRAs के साथ आते हों।
  • शक हो तो क्लाउड पार्टनर्स के पास सही कॉम्बिनेशन पहले से लोड रहता है: मॉडल चुनो, LoRA चुनो, और मैचिंग VAE और ControlNet अपने आप हो जाते हैं।

समस्या निवारण

"LoRA" डाउनलोड किया और यह 6 GB है

ऐसा क्यों होता है
यह checkpoint है; uploader ने इसे ढीले से लेबल किया।

इसे कैसे ठीक करें
इसे checkpoints फोल्डर में रखो और मॉडल के रूप में चुनो। यहाँ कैटलॉग लेबल भरोसेमंद है।

Embedding कुछ नहीं करता

ऐसा क्यों होता है
गलत परिवार (SD 1.5 embedding SDXL पर), या टाइप किया नाम फाइल नेम से मेल नहीं खाता।

इसे कैसे ठीक करें
परिवार मिलाओ; एक्सटेंशन के बिना सही फाइल नेम टाइप करो; ComfyUI में embedding:name इस्तेमाल करो।

ControlNet शोर देता है या pose को इग्नोर करता है

ऐसा क्यों होता है
दूसरे परिवार का ControlNet, या कच्ची फोटो प्रीप्रोसेस्ड मैप की जगह दी गई।

इसे कैसे ठीक करें
checkpoint परिवार के लिए बना ControlNet इस्तेमाल करो और पहले प्रीप्रोसेसर नोड चलाओ।

रंग फीके दिखते हैं

ऐसा क्यों होता है
VAE गायब या गलत।

इसे कैसे ठीक करें
परिवार का VAE लोड करो; SDXL पर fp16-fix VAE।

मॉडल लोड होता है लेकिन काले चित्र बनाता है

ऐसा क्यों होता है
VAE में fp16 overflow या checkpoint जिसे --no-half-vae चाहिए।

इसे कैसे ठीक करें
fp16-fix VAE या no-half-vae फ्लैग इस्तेमाल करो; Flux पर चेक करो कि text encoder precision बिल्ड से मेल खाता है।

प्रश्न

शुरुआती को सबसे पहले क्या डाउनलोड करना चाहिए?

जिस परिवार का इस्तेमाल करना है उसका एक checkpoint। LoRAs बाद में, जब पता चल जाए कि कौन सा बेस पसंद है। Embeddings और ControlNets तब जब कोई खास समस्या हो।

क्या मैं LoRA को checkpoint में मर्ज कर सकता हूँ?

हाँ, हर UI में मर्ज टूल होता है, और परिणाम नया checkpoint होता है। यह एक नोड बचाता है लेकिन weight फ्रीज कर देता है; ज्यादातर लोग LoRAs अलग रखते हैं।

क्या fine-tune LoRA के जैसा है?

नहीं। fine-tune पूरा checkpoint retrain करता है (gigabytes); LoRA एक छोटा add-on होता है (megabytes)। कई fine-tunes LoRAs से शुरू हुए।

क्या Flux और Qwen embeddings इस्तेमाल करते हैं?

लगभग कभी नहीं। इनके LLM text encoders इस तरह ट्रेन नहीं होते; स्टाइल और कॉन्सेप्ट का काम LoRAs से होता है।

workflow फाइल क्या होती है?

ComfyUI JSON जो इन कंपोनेंट्स को जोड़ती है। कैटलॉग में कुछ "other" के रूप में होते हैं; इनमें कोई weights नहीं होते, सिर्फ रेसिपी होती है।

इस गाइड के मॉडल

Stable Diffusion XL 1.0 मॉडल
Stable Diffusion 1.5 मॉडल
Flux मॉडल
Upscalers मॉडल
लेखक
Quartermaster
इन्वेंटरी संभालता है: हर LoRA, हर क्वांट, हर फाइल जिसे किसी ने final_v2_REAL.safetensors नाम दिया। हार्डवेयर को इस हिसाब से मापता है कि कितने Wan रेंडर डिनर से पहले फिट होते हैं। आपको VRAM की संख्या देगा, फिर कहेगा कि यह गलत है क्योंकि आपके पास Chrome खुला है। खुले वज़न या फिर शिप नहीं हुआ।
Quartermaster द्वारा सभी मार्गदर्शिकाएँ
LoRA क्या है और ComfyUI, Forge, Automatic1111 और क्लाउड पर इसे कैसे इस्तेमाल करें
मई 20, 2026
LoRA कैसे इंस्टॉल करें: फोल्डर्स, फाइल जांच और ComfyUI, Forge, Automatic1111 और Draw Things में पहली बार उपयोग
सितं 24, 2025
जनरेटिव AI इमेज मॉडल कैसे काम करते हैं: डिफ्यूजन, लेटेंट्स और टेक्स्ट एन्कोडर्स को सरलता से समझाएं
अग 28, 2025
ControlNet समझाया गया: SD 1.5, SDXL और Flux के लिए पोज़, डेप्थ, एजेस और संदर्भ छवियां
फ़र 18, 2026
AI छवियों का अपस्केलिंग: ESRGAN मॉडल, hires-fix, टाइल्ड डिफ्यूजन और कब कौन सा सही है
मार्च 4, 2026
AI छवि और वीडियो जनरेशन शब्दावली: चेकपॉइंट से VAE तक 60 शब्द, हर एक का एक पंक्ति में मतलब
अप्रै 15, 2026
घर पर LoRA कैसे ट्रेन करें (और कब GPU किराए पर लें)
अग 5, 2026

और गाइड

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: 2026 में कौन सा मॉडल परिवार इस्तेमाल करें
मई 22, 2026
पहले कौन से AI इमेज मॉडल आजमाएं, और क्यों: एक रैंक्ड शुरुआती सूची
सितं 10, 2025
नकारात्मक प्रॉम्प्ट: ये क्या करते हैं, कब मदद करते हैं और क्यों Flux को उनकी जरूरत नहीं होती
नव 5, 2025
ComfyUI त्रुटियाँ और उन्हें कैसे ठीक करें: लाल नोड्स, गायब मॉडल, CUDA मेमोरी खत्म होना
मई 12, 2026
CUDA मेमोरी खत्म: हर AI मॉडल को कितनी VRAM चाहिए और इसे कैसे फिट करें
मई 18, 2026
सभी गाइड