要生成高质量卡皮巴拉图像，需依次执行五步：一、下载并加载专用LoRA模型，设权重0.8–1.2；二、使用含“capybara, photorealistic”等高相关提示词组合；三、选用DPM++ 2M Karras采样器，步数25–35，分辨率768×512；四、启用ControlNet软边预处理器，权重0.65–0.85；五、可选训练Textual Inversion嵌入，用15–25张图训练3000步。
☞☞☞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☜☜☜
如果您希望使用Stable Diffusion生成卡皮巴拉（水豚）主题的图像，但缺乏针对性的模型或提示词配置，则可能无法输出符合预期的卡皮巴拉形象。以下是实现该目标的具体操作路径：
一、下载并加载专用卡皮巴拉LoRA模型
LoRA模型可轻量级注入卡皮巴拉特征，无需替换主模型即可增强水豚细节表现力。需确保LoRA文件与WebUI版本兼容，并放置于正确目录。
1、访问CivitAI等平台搜索关键词“capybara LoRA”，筛选支持SD 1.5或SDXL架构的模型。
2、下载.safetensors格式文件，将其复制至stable-diffusion-webui/models/Lora/目录下。
3、启动WebUI后，在文生图界面点击“LyCORIS/LoRA”区域右侧下拉箭头，选择刚添加的卡皮巴拉LoRA名称。
4、将LoRA权重值设为0.8–1.2，过高易导致结构畸变，过低则特征不明显。
二、使用高相关性提示词组合
提示词直接决定生成图像中卡皮巴拉的形态、姿态与环境逻辑。需兼顾物种学名、典型特征及视觉修饰词，避免歧义词汇干扰。
1、在正向提示词框中输入：capybara, photorealistic, fluffy fur, large eyes, sitting on grass, soft lighting, shallow depth of field。
2、追加风格限定词：by Greg Rutkowski, trending on artstation，提升构图与质感控制力。
3、在负向提示词框中填入：deformed, mutated, extra limbs, text, signature, watermark, blurry。
4、启用“Prompt Matrix”功能（如安装了对应扩展），将“capybara”与“riverbank”“mud puddle”“group of capybaras”分别组合测试。
三、微调采样参数与分辨率设置
卡皮巴拉体型圆润、轮廓柔和，需匹配低噪声、高保真采样策略，同时规避常见失真模式。
1、采样器选择DPM++ 2M Karras或Euler a，兼顾速度与细节还原。
2、采样步数设为25–35，低于20易出现模糊，高于40可能引入冗余噪点。
3、分辨率采用768×512（横构图）或512×768（竖构图），避免1024以上尺寸引发显存溢出与边缘崩坏。
4、CFG Scale保持在7–9区间，过高会强化非提示词元素，削弱卡皮巴拉自然神态。
四、利用ControlNet强化姿态与结构
ControlNet可锁定卡皮巴拉基础轮廓，防止生成过程中头部比例失调、四肢错位等问题，尤其适用于拟人化或特写镜头。
1、启用ControlNet扩展，在预处理器中选择softEdge或lineart，上传一张清晰卡皮巴拉线稿或真实照片。
2、模型选择control_v11p_sd15_softedge（适配SD 1.5）或对应SDXL版本。
3、将Control Weight设为0.65–0.85，Pixel Perfect选项勾选以对齐输入图尺寸。
4、在提示词中保留“capybara”主词，删减动作描述类词汇（如“running”“jumping”），交由ControlNet主导姿态输出。
五、本地训练专属卡皮巴拉嵌入（Embedding）
当通用LoRA效果不足时，可通过少量高质量图片训练Textual Inversion嵌入，使模型理解“capybara”在当前数据分布下的独特语义映射。
1、准备15–25张无遮挡、多角度、高分辨率卡皮巴拉实拍图，统一裁切为512×512像素。
2、在WebUI中进入“Train”标签页，点击“Create embedding”，命名为“capybara_emb”，初始化方式选“Random”。
3、设置训练参数：Steps为3000，Batch Size为2，学习率设为0.0001，启用“Use image names as captions”。
4、训练完成后，将生成的.cpti文件移入embeddings目录，提示词中直接调用capybara_emb即可激活该嵌入。
