需通过外部LoRA微调流程生成专属权重文件再导入Leonardo AI：一、准备5–20张高清手绘图并规范命名；二、用kohya_ss本地训练LoRA；三、上传.safetensors文件并在生成时设权重0.6–0.8；四、用即梦扩增风格样本；五、结合Textual Inversion嵌入强化风格关键词。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在Leonardo AI中复现并固化个人独特的绘画风格，但平台未提供直接的模型训练入口，则需借助外部LoRA微调流程生成专属权重文件，再导入使用。以下是完成该目标的具体操作路径：
一、准备高质量风格图集
风格训练依赖图像集合对AI形成稳定视觉认知，图集应体现您画风的核心特征，如笔触密度、色彩倾向、构图习惯、线条粗细等。避免混入明显偏离风格的样本，防止模型学习冲突特征。
1、选取5–20张您亲手绘制的高清原图，分辨率统一为512×512或768×768。
2、使用Stable Diffusion的“图像预处理”功能进行自动裁切与居中，确保主体位于画面中央区域。
3、将全部图片保存至英文命名的独立文件夹，例如“my_watercolor_style”，禁止使用中文或特殊符号。
二、使用kohya_ss本地微调LoRA
kohya_ss是当前主流的LoRA训练框架，支持SD 1.5与SDXL底模，可精准控制风格迁移强度与过拟合风险，无需GPU显存超配即可启动轻量训练。
1、安装Python 3.10并勾选Add PATH选项，随后运行PowerShell（管理员模式）执行：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned。
2、执行git clone https://github.com/bmaltais/kohya_ss.git，进入目录后运行setup.bat完成环境初始化。
3、启动gui.bat，点击“Train LoRA”标签页，填入基础模型路径（如sd_v15.ckpt）、图集路径、输出目录，其余参数保持默认即可开始训练。
三、上传LoRA至Leonardo AI并启用
Leonardo AI支持用户上传自定义LoRA权重，上传后可在生成界面通过下拉菜单即时调用，实现风格注入，无需更换主模型。
1、登录Leonardo AI账户，进入左侧导航栏“Models”→“LoRAs”→点击“Upload LoRA”。
将图片上传至 img402.dev，以便嵌入 GitHub PR、Issue 和评论中。免费套餐（最大 1MB，保留 7 天，无需身份验证）为默认选项；付费套餐支持最大 5MB，并可通过 x402 实现 1 年（
1、登录Leonardo AI账户，进入左侧导航栏“Models”→“LoRAs”→点击“Upload LoRA”。
.01）或永久（）保留。当智能体需要在 GitHub 场景中分享图片时使用——例如截图、原型图、流程图，或其他任何视觉内容。触发条件包括：“截图当前页面”、“附加一张图片”、“将截图添加到该 PR 中”、“上传此原型图”，或任何生成需用于 GitHub 的图片的任务。2、选择kohya_ss输出目录中最新生成的.safetensors文件（通常位于output/lora/子文件夹内），等待上传完成。
3、在“Image Generation”页面，于右侧面板展开“Advanced Settings”，在LoRA下拉框中选择刚上传的模型名称，并将权重值设为0.6–0.8以平衡风格强度与提示词可控性。
四、使用即梦（JiMeng）辅助扩增风格样本
当原始手绘图数量不足时，可用即梦平台进行风格一致性扩图，生成更多符合您画风逻辑的变体图像，作为补充训练数据，规避单一视角导致的泛化缺陷。
1、在即梦中上传一张典型风格图，选择“图生图”模式，设置采样步数为25、CFG Scale为7。
2、提示词中加入明确风格锚点，例如"watercolor texture, soft edges, translucent wash effect, my personal painting style"。
3、批量生成10–15张不同构图的新图，筛选出风格还原度高的图像，加入原图集重新训练。
五、通过Textual Inversion嵌入强化风格关键词
Textual Inversion可将您的画风抽象为可调用的文本token，与LoRA协同作用，提升提示词响应精度，尤其适用于风格名称难以描述的微妙质感。
1、使用kohya_ss中的“Train Textual Inversion”功能，输入同一图集路径，设定embedding名称为“my_style_v1”。
2、训练完成后获得learned_embeds.bin文件，上传至Leonardo AI的“Embeddings”资源库。
3、在生成提示词中插入
