Krea2风格融合实测：品位向量、Raw模型与提示词模板

作者：@T8star-Aix

Krea2风格融合实测：品位向量、Raw模型与提示词模板

一句话导读：这期视频重点不是单纯测 Krea2 文生图，而是解释 Krea2 Raw/Base 模型为什么适合风格学习，并演示如何用“品位向量”思路和提示词模板复现多图风格融合。

核心内容：
1. 作者先区分 Krea2 的两个方向：Turbo 更适合直接出图，Raw/Base 模型没有做强后训练美学对齐，更适合大批次训练和风格学习。它不是普通的“开源生图模型”，更像一个为风格学习保留空间的底座。
2. 视频里反复强调 Krea2 的核心优势在风格，而不是中文文字或普通文生图全能表现。Raw 模型在中文文字场景里容易乱，简单提示词下也未必适合作为主力生图模型；Turbo 用 8 步、CFG 约 1 的出图观感更好。
3. 作者认为官方商用 API 的多图参考并不是传统编辑模型，而更接近从参考图中提取视觉和风格向量，再通过系统提示词模板生成新图。参考信息会拆到光影、氛围、纹理、构图、动作等维度，最后影响生成结果。
4. RunningHub 工作流部分展示了 Raw、Turbo 和 Krea2 风格融合相关流程。作者提到官方 API 有 Large 等模型尺寸、创造性强度等设置，但本地/开源侧仍可以通过提示词模板和参考图向量复现一部分能力。
5. 自制复现工作流的重点在提示词模板。作者把风格拆成六个维度，包括色彩系统、光影系统、构图系统、质感系统和情绪基调等，并允许用户继续指定“光影偏图二、人物动作参考图一”这类控制条件。
6. 实测中，作者认为自制模板在动作保持上有时比 API 更稳定；但如果追求更强风格化，最好还是基于 Raw/Base 模型进一步训练 LoRA，因为这个模型真正有价值的地方就是适合学习风格。
7. 结论上，作者没有直接判定 Krea2 比其他模型全面更强，而是把它定位为风格和训练优势明显的模型。普通生图质量未必比成熟模型更好，但训练出目标 LoRA 后，风格表现会更有潜力。

适合人群：想理解 Krea2 Raw/Base 模型定位、评估风格参考和多图融合能力，或准备在 ComfyUI/RunningHub 里复现 Krea2 风格工作流、训练风格 LoRA 的用户。

补充说明：本文根据授权视频音频转写整理；夸克链接来自视频简介，默认第一页评论和可见子回复未发现新的夸克网盘链接。

相关夸克网盘链接：
【模型：https://pan.quark.cn/s/9447597053e3】
【无限画布整合包v2.3.2稳定版：https://pan.quark.cn/s/5871a0142ff3】
【T8 Comfyui整合包V11：https://pan.quark.cn/s/9b0cd761bf8e】
【贞贞整合包V4.6H（新增充值系统）：https://pan.quark.cn/s/ed4f5cc2db75】