这是此工作流程的较旧版本。

我找不到编辑按钮，我找不到删除此工作流程的方法。 So I guess it remains.

The other version is more fully automated with automatic captions and naming of the output files.

What this workflow does

👉 Uses a reference image to set a “style”, and then creates a full dataset suitable for training a style from.

How to use this workflow

👉 Choose a checkpoint of choice.我一直在使用turbovisionxl（中间）

👉在样式图像部分添加图像（左上方）

👉调整iPadapter设置，这需要一些调整才能使您的输入映像的正确数量和时间安排（左下）

</p </p </p </p.匹配主题的数量！对于演示提示中的示例概念是37。

忽略红色“缺失”框提示的左侧。这只是一个文本说明，可以设置批量计数以匹配主题的数量。

有关此工作流程的提示

<您可能会得到一些不良的变化，您可能需要更改设置，并完全更改设置的提示

以前的提高文件

pafination

p> p> p> p> p> p> p> p> p> p> p> p> image

👉 Allow multiple/random images to be used as input

👉 Get stronger difference in the output, right now the outputs feel more like variation seeds rather than their own generations

Update:

I sat down and updated the workflow to automatically name the files according to the subject, as well as output a pre-filled caption file.它确实需要一个节点集来接收到输出的更新，因此直到将我的本地代码推到保存文件名节点之前，它才能起作用。