چک‌پوینت در مقابل LoRA در مقابل embedding در مقابل ControlNet: هر فایل چه کاری انجام می‌دهد

Q: کدام را یک مبتدی اول باید دانلود کند؟

یک چکپوینت از خانوادهای که میخواهی استفاده کنی. LoRAها بعد از اینکه فهمیدی کدام مدل پایه را دوست داری میآیند. embeddingها و ControlNetها وقتی نیاز خاصی باشد استفاده میشوند.

Q: میتوانم یک LoRA را در چکپوینت ادغام کنم؟

بله، هر UI ابزاری برای ادغام دارد و نتیجه یک چکپوینت جدید است. این یک نود را ذخیره میکند اما وزن را ثابت میکند؛ بیشتر افراد LoRAها را جدا نگه میدارند.

Q: آیا فاینتیون همان LoRA است؟

نه. فاینتیون کل چکپوینت را دوباره آموزش میدهد (گیگابایتها)؛ LoRA یک افزونه کوچک است (مگابایتها). بسیاری از فاینتیونها ابتدا LoRA بودند که ادغام شدند.

Q: آیا Flux و Qwen از embedding استفاده میکنند؟

تقریباً هرگز. text encoderهای LLM آنها اینطور آموزش داده نشدهاند؛ کار سبک و مفهوم با LoRA انجام میشود.

Q: فایل workflow چیست؟

یک JSON از ComfyUI است که این اجزا را به هم وصل میکند. کاتالوگ بعضی را «دیگر» مینامد؛ آنها وزن ندارند، فقط دستورالعمل هستند.

Q: یک «LoRA» دانلود شده که ۶ گیگابایت است

این یک چکپوینت است؛ آپلودکننده آن را به طور مبهم برچسب زده. آن را در پوشه checkpoints قرار بده و به عنوان مدل انتخاب کن. برچسب کاتالوگ اینجا قابل اعتماد است.

Q: رنگها کمرنگ به نظر میرسند

VAE گم شده یا اشتباه است. VAE خانواده را بارگذاری کن؛ در SDXL از fp16-fix VAE استفاده کن.

Q: مدل بارگذاری میشود اما تصاویر سیاه تولید میکند

سرریز fp16 در VAE یا چکپوینتی که نیاز به --no-half-vae دارد. از fp16-fix VAE یا فلگ no-half-vae استفاده کن؛ در Flux مطمئن شو دقت text encoder با ساخت مطابقت دارد.

موضوع: مدل‌ها

نوشته Quartermaster

منتشرشده در 8 اکتبر 2025

مرور کلی

یک کاربر جدید یک «مدل» دانلود می‌کند و می‌فهمد که یکی از شش چیز مختلف است که باید در شش پوشه مختلف قرار بگیرند و شش کار مختلف انجام دهند. به همین دلیل، کاتالوگ این سایت هر ورودی را با نوعش (مدل پایه، LoRA، embedding، دیگر) و خانواده‌اش برچسب می‌زند. این راهنما انواع را یک بار توضیح می‌دهد تا برچسب‌ها معنی‌دار باشند.

قاعده کلی: چک‌پوینت کل نقاش است؛ LoRA به نقاش یک موضوع یا سبک جدید یاد می‌دهد؛ embedding به نقاش یک کلمه جدید یاد می‌دهد؛ ControlNet یا IP-Adapter به نقاش می‌گوید چیزها کجا بروند یا چه چیزی را از مرجع کپی کند؛ VAE چشم‌های نقاش است که بین بوم و فضای فشرده کار تبدیل می‌کند؛ upscaler یک هنرمند جداست که تصویر نهایی را بزرگ می‌کند. فقط چک‌پوینت می‌تواند به تنهایی کار کند. بقیه همه به یک چک‌پوینت از خانواده مشابه نیاز دارند.

اندازه‌ها خیلی چیزها را می‌گویند. ۲ تا ۷ گیگابایت برای چک‌پوینت SDXL و ۱۲ تا ۲۴ گیگابایت برای Flux؛ ۱۰ تا ۷۰۰ مگابایت برای LoRA؛ کمتر از ۱ مگابایت برای embedding؛ ۱ تا ۲.۵ گیگابایت برای ControlNet؛ ۳۰۰ مگابایت برای VAE؛ ۶۰ مگابایت برای ESRGAN upscaler. اگر فایلی که به آن LoRA گفته شده ۶ گیگابایت است، در واقع چک‌پوینت است. صفحه مدل اینجا اندازه و هش را نشان می‌دهد تا قبل از دانلود بفهمی چه چیزی است.

مرجع

نام	نوع	چیست
Checkpoint (base model)	2-24 GB	کل denoiser، معمولاً همراه با text encoder و VAE بسته‌بندی شده. فاین‌تیون‌ها (DreamShaper، Juggernaut، Illustrious، Pony) چک‌پوینت‌هایی هستند که روی داده‌های جدید دوباره آموزش داده شده‌اند. پوشه: models/checkpoints (ComfyUI)، models/Stable-diffusion (A1111، Forge). Flux، Qwen و Wan به صورت diffusion_models + text_encoders + vae جداگانه عرضه می‌شوند.
LoRA	10-700 MB	تفاوت وزن کوچکی که روی یک چک‌پوینت اعمال می‌شود. شخصیت‌ها، سبک‌ها، مفاهیم، اسلایدرها، حرکت. نیاز به کلمه محرک و وزن دارد. پوشه: models/loras یا models/Lora.
LyCORIS / LoCon / LoHa / DoRA	10-700 MB	انواع LoRA که لایه‌های بیشتری را درگیر می‌کنند یا فاکتورگیری متفاوتی دارند. در همه UIهای فعلی مثل LoRAها بارگذاری می‌شوند.
Embedding (textual inversion)	10-200 KB	یک توکن یادگرفته شده برای text encoder. در پرامپت با نام فایلش فراخوانی می‌شود. معمولاً به صورت embedding منفی (bad-hands، easynegative) در SD 1.5 و SDXL رایج است؛ در Flux نادر است. پوشه: models/embeddings.
ControlNet / T2I-Adapter	0.3-2.5 GB	یک شبکه جانبی که denoiser را بر اساس ژست، نقشه عمق، نقشه لبه یا خط‌خطی شرطی می‌کند. مخصوص خانواده است. پوشه: models/controlnet.
IP-Adapter / reference	50 MB-1 GB	بر اساس تصویر به جای متن شرطی می‌کند: انتقال سبک، مرجع چهره. نیاز به مدل بینایی CLIP متناسب دارد.
VAE	160-330 MB	رمزگذار/رمزگشا بین پیکسل‌ها و latentها. معمولاً در چک‌پوینت‌ها بسته‌بندی شده؛ فایل‌های جداگانه رنگ‌های کم‌رنگ را اصلاح می‌کنند (SDXL fp16-fix) یا با خانواده‌های جدید می‌آیند (Flux ae.safetensors، Wan VAE).
Upscaler	2-70 MB	ESRGAN، Real-ESRGAN، SwinIR، DAT: شبکه‌های جداگانه که بعد از تولید پیکسل‌ها را بزرگ می‌کنند. پوشه: models/upscale_models.

گام به گام

نوع فایل را از برچسب کاتالوگ و اندازه قبل از دانلود تشخیص بده. مدل پایه، LoRA، embedding یا دیگر روی کارت؛ اندازه دقیق در صفحه مدل.
خانواده را مطابقت بده. هر فایل غیر از چک‌پوینت خانواده‌ای که برایش ساخته شده را نام می‌برد (SDXL، Flux، Wan 2.2 14B)؛ فقط با چک‌پوینت‌های همان خانواده کار می‌کند.
فایل را در پوشه مربوط به نوعش قرار بده (جدول بالا) و UI را تازه کن.
چک‌پوینت: آن را به عنوان مدل انتخاب کن. برای خانواده‌های تقسیم شده (Flux، Qwen، Wan، Z-Image) مدل diffusion، text encoderها و VAE را جداگانه در ComfyUI بارگذاری کن.
LoRA: نود LoRA را بعد از چک‌پوینت بارگذاری کن، یا <lora:name:0.8> را در پرامپت به همراه کلمه محرک بنویس.
Embedding: نام فایل را در پرامپت تایپ کن (یا در پرامپت منفی برای embeddingهای منفی)؛ ComfyUI از embedding:name استفاده می‌کند.
ControlNet: نود ControlNet را با تصویر پیش‌پردازش شده (ژست، عمق) اعمال کن؛ با قدرت ۰.۸ و درصد پایان ۰.۸ شروع کن.
VAE و upscaler: وقتی رنگ‌ها اشتباه است، VAE را در لودر یا تنظیمات انتخاب کن؛ upscaler را به عنوان مرحله نهایی از طریق Upscale Image (با استفاده از Model) اجرا کن.

مثال‌ها

یک پشته کامل SDXL در پرامپت Forge

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

همان پشته به صورت نودهای ComfyUI

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

نکات

نوع «دیگر» در کاتالوگ شامل ControlNetها، VAEها، upscalerها و workflowها است؛ صفحه مدل می‌گوید کدام.
Mergeها چک‌پوینت‌هایی هستند که با میانگین‌گیری از چک‌پوینت‌های دیگر ساخته شده‌اند؛ خانواده والدین را به ارث می‌برند و با LoRA سازگار می‌مانند.
چک‌پوینت inpainting یک چک‌پوینت با کانال‌های ورودی اضافی است؛ به workflow inpainting نیاز دارد و جایگزین مستقیم text-to-image نیست.
embeddingهای منفی روش SD 1.5 برای اصلاح دست‌ها بودند؛ در SDXL کمتر کمک می‌کنند و در Flux هیچ تاثیری ندارند چون مدل CFG منفی ندارد.
Flux Fill، Flux Redux، Flux Depth و Canny چک‌پوینت یا آداپتر هستند، نه LoRA، حتی اگر کنار LoRAها در هاب عرضه شوند.
اگر شک داری، شریک‌های ابری ترکیب درست را از قبل بارگذاری کرده‌اند: مدل و LoRA را انتخاب کن و VAE و ControlNet متناسب برایت مدیریت می‌شوند.

از fp16-fix VAE یا فلگ no-half-vae استفاده کن؛ در Flux مطمئن شو دقت text encoder با ساخت مطابقت دارد.

پرسش‌ها

کدام را یک مبتدی اول باید دانلود کند؟

یک چک‌پوینت از خانواده‌ای که می‌خواهی استفاده کنی. LoRAها بعد از اینکه فهمیدی کدام مدل پایه را دوست داری می‌آیند. embeddingها و ControlNetها وقتی نیاز خاصی باشد استفاده می‌شوند.

می‌توانم یک LoRA را در چک‌پوینت ادغام کنم؟

بله، هر UI ابزاری برای ادغام دارد و نتیجه یک چک‌پوینت جدید است. این یک نود را ذخیره می‌کند اما وزن را ثابت می‌کند؛ بیشتر افراد LoRAها را جدا نگه می‌دارند.

آیا فاین‌تیون همان LoRA است؟

نه. فاین‌تیون کل چک‌پوینت را دوباره آموزش می‌دهد (گیگابایت‌ها)؛ LoRA یک افزونه کوچک است (مگابایت‌ها). بسیاری از فاین‌تیون‌ها ابتدا LoRA بودند که ادغام شدند.

آیا Flux و Qwen از embedding استفاده می‌کنند؟

تقریباً هرگز. text encoderهای LLM آن‌ها اینطور آموزش داده نشده‌اند؛ کار سبک و مفهوم با LoRA انجام می‌شود.

فایل workflow چیست؟

یک JSON از ComfyUI است که این اجزا را به هم وصل می‌کند. کاتالوگ بعضی را «دیگر» می‌نامد؛ آن‌ها وزن ندارند، فقط دستورالعمل هستند.

لینک‌ها و منابع

مدل‌های این راهنما

مدل‌های Stable Diffusion XL 1.0

مدل‌های Stable Diffusion 1.5

مدل‌های Flux

مدل‌های Upscalers

نویسنده

Quartermaster

موجودی را نگه می‌دارد: هر LoRA، هر کوانت، هر فایلی که کسی به final_v2_REAL.safetensors تغییر نام داده. سخت‌افزار را با تعداد رندرهای وان قبل از شام می‌سنجد. مقدار VRAM را به شما می‌گوید، سپس می‌گوید اشتباه است چون کروم باز دارید. وزن‌ها را باز کنید وگرنه ارسال نشده.

همه راهنماها توسط Quartermaster

LoRA چیست و چطور در ComfyUI، Forge، Automatic1111 و فضای ابری استفاده کنیم

20 مه 2026

چطور یک LoRA نصب کنیم: پوشه‌ها، بررسی فایل و اولین استفاده در ComfyUI، Forge، Automatic1111 و Draw Things

24 سپتامبر 2025

چطور مدل‌های تصویری مولد هوش مصنوعی کار می‌کنند: توضیح ساده انتشار، فضای نهفته و رمزگذارهای متنی

28 اوت 2025

ControlNet توضیح داده شده: حالت، عمق، لبه‌ها و تصاویر مرجع برای SD 1.5، SDXL و Flux

18 فوریه 2026

بزرگ‌نمایی تصاویر هوش مصنوعی: مدل‌های ESRGAN، hires-fix، tiled diffusion و زمان استفاده از هر کدام

4 مارس 2026

واژه‌نامه تولید تصویر و ویدیو با هوش مصنوعی: ۶۰ اصطلاح از checkpoint تا VAE، هر کدام در یک خط توضیح داده شده

15 آوریل 2026

چطور یک LoRA را در خانه آموزش دهیم (و کی بهتر است به جای آن GPU اجاره کنیم)

5 اوت 2026

راهنماهای بیشتر

Flux در مقابل SDXL در مقابل SD 1.5 در مقابل Qwen در مقابل Z-Image: کدام خانواده مدل را در سال ۲۰۲۶ استفاده کنیم

22 مه 2026

کدوم مدل‌های تصویر هوش مصنوعی رو اول امتحان کنیم و چرا: یک فهرست شروع رتبه‌بندی شده

10 سپتامبر 2025

پرومت‌های منفی: چه کاری انجام می‌دهند، کی کمک می‌کنند و چرا Flux به آن‌ها نیاز ندارد

5 نوامبر 2025

خطاهای ComfyUI و راه‌حل‌های آن: گره‌های قرمز، مدل‌های گمشده، کمبود حافظه CUDA

12 مه 2026

خطای CUDA out of memory: هر مدل هوش مصنوعی چقدر VRAM نیاز دارد و چطور جا می‌شود

18 مه 2026