Model
Trends
.ai
Model
Trends
.ai
オープン AI モデルを追跡
トレンド
ランキング
ガイド
チャート
API

Checkpoint vs LoRA vs embedding vs ControlNet: それぞれのファイルの役割

トピック：モデル
著者：Quartermaster
2025年10月8日 公開

概要

新しいユーザーが「モデル」をダウンロードすると、それは6種類のうちのどれかで、それぞれ違うフォルダに入り、違う役割を持つことに気づきます。このサイトのカタログは、各エントリーにタイプ（ベースモデル、LoRA、埋め込み、その他）とファミリーをラベル付けしています。このガイドはそのタイプを一度説明して、ラベルの意味をわかりやすくします。
基本ルールはこうです：チェックポイントは全体の画家、LoRAは画家に新しいテーマやスタイルを教える、埋め込みは新しい単語を教える、ControlNetやIP-Adapterは画家にどこに何を置くかや参照から何をコピーするかを指示、VAEはキャンバスと圧縮された作業空間の間を変換する画家の目、アップスケーラーは完成した絵を拡大する別の職人。チェックポイントだけが単独で動きます。他は対応するファミリーのチェックポイントが必要です。
サイズは多くを教えてくれます。SDXLチェックポイントは2～7GB、Fluxは12～24GB、LoRAは10～700MB、埋め込みは1MB未満、ControlNetは1～2.5GB、VAEは300MB、ESRGANアップスケーラーは60MB。LoRAと呼ばれるファイルが6GBなら、それはチェックポイントです。このサイトのモデルページはサイズとハッシュを表示していて、ダウンロード前に見分けられます。

リファレンス

名前
型
意味
Checkpoint (base model)
2-24 GB
通常はテキストエンコーダーとVAEがセットになった完全なノイズ除去モデル。ファインチューン（DreamShaper、Juggernaut、Illustrious、Pony）は新しいデータで再訓練されたチェックポイント。フォルダ：models/checkpoints（ComfyUI）、models/Stable-diffusion（A1111、Forge）。Flux、Qwen、Wanはdiffusion_models + text_encoders + vaeの別ファイルで提供。
LoRA
10-700 MB
チェックポイントの上にかける小さな重みの差分。キャラクター、スタイル、コンセプト、スライダー、動き。トリガーワードと重みが必要。フォルダ：models/loras または models/Lora。
LyCORIS / LoCon / LoHa / DoRA
10-700 MB
より多くの層に触れたり異なる因数分解を使うLoRAのバリエーション。現在のUIではLoRAと同様に読み込む。
Embedding (textual inversion)
10-200 KB
テキストエンコーダー用に学習されたトークン。プロンプト内でファイル名で呼び出す。SD 1.5やSDXLではネガティブ埋め込み（bad-hands、easynegative）がよく使われるが、Fluxでは稀。フォルダ：models/embeddings。
ControlNet / T2I-Adapter
0.3-2.5 GB
ポーズ、深度マップ、エッジマップ、スクリブルなどでノイズ除去モデルを条件付けるサイドネットワーク。ファミリー固有。フォルダ：models/controlnet。
IP-Adapter / reference
50 MB-1 GB
テキストではなく画像で条件付け：スタイル転送、顔参照。対応するCLIPビジョンモデルが必要。
VAE
160-330 MB
ピクセルと潜在空間の間のエンコーダー/デコーダー。通常はチェックポイントに同梱。別ファイルは色あせ修正（SDXL fp16-fix）や新しいファミリー用（Flux ae.safetensors、Wan VAE）。
Upscaler
2-70 MB
ESRGAN、Real-ESRGAN、SwinIR、DAT：生成後にピクセルを拡大する別のネットワーク。フォルダ：models/upscale_models。

手順

  1. カタログのラベルとサイズでファイルタイプを見分ける。カードにはベースモデル、LoRA、埋め込み、その他が書かれている。モデルページで正確なバイト数を確認。
  2. ファミリーを合わせる。チェックポイント以外のファイルは対応ファミリー（SDXL、Flux、Wan 2.2 14B）を名前に含み、そのファミリーのチェックポイントでしか動かない。
  3. タイプ別のフォルダにファイルを入れてUIをリフレッシュ。
  4. チェックポイント：モデルとして選択。分割ファミリー（Flux、Qwen、Wan、Z-Image）はComfyUIでdiffusionモデル、テキストエンコーダー、VAEを別々に読み込む。
  5. LoRA：チェックポイントの後にLoRAノードを読み込むか、プロンプトに<lora:name:0.8>と書き、トリガーワードも使う。
  6. 埋め込み：プロンプトにファイル名をタイプ（ネガティブ埋め込みはネガティブプロンプトに）。ComfyUIではembedding:nameを使う。
  7. ControlNet：前処理済み画像（ポーズ、深度）でControlNetノードを適用。強さ0.8、終了パーセント0.8から始める。
  8. VAEとアップスケーラー：色がおかしいときはローダーや設定でVAEを選択。アップスケーラーは最後にUpscale Image（Model使用）で実行。

例

ForgeプロンプトでのフルSDXLスタック

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ノードで同じスタック

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

ヒント

  • カタログの「その他」はControlNet、VAE、アップスケーラー、ワークフローを含む。モデルページで確認できる。
  • マージは他のチェックポイントを平均化して作るチェックポイント。親のファミリーを継ぎ、LoRA互換も保つ。
  • インペインティングチェックポイントは入力チャンネルが追加されていて、インペインティングワークフローが必要。テキストから画像への単純な置き換えではない。
  • ネガティブ埋め込みはSD 1.5で手を直す方法だった。SDXLでは効果が薄く、FluxではCFGネガティブがないため効果なし。
  • Flux Fill、Flux Redux、Flux Depth、CannyはLoRAではなくチェックポイントやアダプター。ハブではLoRAと並んでいるが別物。
  • 迷ったらクラウドパートナーが正しい組み合わせをプリロードしている。モデルとLoRAを選べば対応するVAEとControlNetも自動で設定される。

トラブルシューティング

「LoRA」としてダウンロードしたら6GBだった

原因
それはチェックポイントで、アップローダーがゆるくラベル付けした。

対処法
チェックポイントフォルダに入れてモデルとして選択。ここでのカタログラベルは信頼できる。

埋め込みが効かない

原因
ファミリー違い（SD 1.5埋め込みをSDXLで使う）、またはタイプした名前がファイル名と合っていない。

対処法
ファミリーを合わせる。拡張子なしで正確なファイル名をタイプ。ComfyUIではembedding:nameを使う。

ControlNetがノイズを出すかポーズを無視する

原因
別ファミリー用のControlNet、または生の写真を前処理済みマップの代わりに使った。

対処法
チェックポイントファミリー用のControlNetを使い、まず前処理ノードを実行。

色が薄く見える

原因
VAEがないか間違っている。

対処法
ファミリーのVAEを読み込む。SDXLならfp16-fix VAE。

モデルは読み込めるが黒い画像が生成される

原因
VAEのfp16オーバーフローか、--no-half-vaeが必要なチェックポイント。

対処法
fp16-fix VAEかno-half-vaeフラグを使う。Fluxではテキストエンコーダーの精度がビルドと合っているか確認。

よくある質問

初心者はまず何をダウンロードすればいい？

使いたいファミリーのチェックポイントを1つ。LoRAは好きなベースがわかってから2番目に。埋め込みやControlNetは特定の問題があるときに。

LoRAをチェックポイントにマージできる？

できる。どのUIにもマージツールがあり、結果は新しいチェックポイントになる。ノードは減るが重みは固定される。多くはLoRAを別に使い続ける。

ファインチューンはLoRAと同じ？

違う。ファインチューンはチェックポイント全体を再訓練（ギガバイト単位）、LoRAは小さな追加（メガバイト単位）。多くのファインチューンは元はLoRAをマージしたもの。

FluxやQwenは埋め込みを使う？

ほとんど使わない。LLMテキストエンコーダーはそういう訓練をしていない。スタイルやコンセプトはLoRAで対応。

ワークフローファイルって何？

ComfyUIのJSONで、これらのコンポーネントをつなぐ。カタログでは「その他」としてリストされている。重みはなく、レシピだけ。

このガイドのモデル

Stable Diffusion XL 1.0 モデル
Stable Diffusion 1.5 モデル
Flux モデル
Upscalers モデル
著者
Quartermaster
在庫管理担当：すべてのLoRA、すべての量子化ファイル、誰かがfinal_v2_REAL.safetensorsに名前を変えたファイルまで把握しています。ハードウェアの評価は夕食前に何回Wanレンダリングができるかで測ります。VRAMの数値を教えた後に、Chromeを開いているから間違っていると言います。オープンウェイトでなければ出荷されていません。
Quartermasterのすべてのガイド
LoRAとは何か、ComfyUI、Forge、Automatic1111、クラウドでの使い方
2026年5月20日
LoRAのインストール方法：フォルダ、ファイルチェック、ComfyUI、Forge、Automatic1111、Draw Thingsでの初回使用
2025年9月24日
生成AI画像モデルの仕組み：拡散、潜在空間、テキストエンコーダーをわかりやすく解説
2025年8月28日
ControlNetの解説：SD 1.5、SDXL、Fluxでのポーズ、深度、エッジ、参照画像
2026年2月18日
AI画像のアップスケーリング：ESRGANモデル、hires-fix、タイル拡散、それぞれの使いどころ
2026年3月4日
AI画像・動画生成用語集：チェックポイントからVAEまで60の用語を一行で解説
2026年4月15日
自宅でLoRAをトレーニングする方法（GPUをレンタルしたほうがいい時も）
2026年8月5日

その他のガイド

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: 2026年に使うべきモデルファミリーはどれ？
2026年5月22日
最初に試すべきAI画像モデルとその理由：ランキング形式のスタートリスト
2025年9月10日
ネガティブプロンプト：何をするか、いつ役立つか、なぜFluxには不要か
2025年11月5日
ComfyUIのエラーとその直し方：赤いノード、モデルがない、CUDAのメモリ不足
2026年5月12日
CUDAのメモリ不足：各AIモデルが必要とするVRAM量と収める方法
2026年5月18日
すべてのガイド