Krea 2 完整指南：风格、参考图与身份编辑

把 Krea 2 视为分层视觉控制系统，而非单一文生图工具，才能发挥最佳效果。提示词控制内容，S-Refs 控制视觉风格，Moodboards塑造更广泛的美学，身份工作流程则在其他元素变化时帮助保留主体。

难点是为任务选对控制方式。S-Refs 无法可靠锁定人脸，Moodboards不是身份工具，把风格、姿势、服装和角色一致性塞进一个提示词往往会产生漂移。更强的AI 设计工作流程会把探索、艺术指导、身份控制和分阶段编辑分开。

对于要扩大这类多模型创意工作流程规模的团队，Virse将 AI 创作与基于画布的设计工作区相结合。付费套餐支持无限使用 40 多个模型，包括 Nano Banana 2 和 GPT Image 2，且席位不限。新用户还会获得免费积分，足以生成最多十张 Nano Banana 2 图片或一段 Seedance 2.0 视频。

Krea 2 如何区分风格、参考与身份控制？

理解 Krea 2 最有用的方法，是不再把所有图像输入都视为同一种参考。Krea 本身围绕两个问题组织图像生成：应该出现什么，以及应该看起来怎样？它的参考和 Moodboard 系统把这种区分延伸为更实用的艺术指导工作流程。

从产品设计角度看，关键区别很简单：S-Ref 回答“应该是什么样的风格？”，身份控制回答“谁或什么必须保持可辨识？”混淆这两个问题，很容易产生不一致的结果。

如何为 Krea 2 编写提示词以更好控制风格？

创意方向未定时，从简短提示开始

Krea 2 专为视觉探索设计。简短提示词会留出空间，让模型在概念锁定前提出构图、颜色、相机处理和美学方向。

实用流程如下：

1. 明确主体与动作。
2. 生成多个视觉方向。
3. 选择最有力的方向。
4. 加入相机、灯光、构图、材质与纹理。
5. 当美学更容易展示而非描述时，加入参考图。

这协调了两种看似不同的提示策略：探索时模糊起步，生产时逐步具体。结构化的AI 设计提示词工作流程有助于更有意识地完成这一转变。

描述看得见的设计决策，而非笼统质量

方向明确后，用设计师真正能看见的东西替代模糊的质量词：低角度取景、浅景深、哑光塑料、抛光铬、强烈侧光、胶片颗粒、运动模糊、粗糙纸张纹理或低动态范围。

目标不是让提示词更长，而是只描述那些仍需明确控制的视觉决策。

Krea 2 的 S-Refs 与风格强度如何工作？

Krea 2 S-Ref 实际迁移的是什么

Krea 2 S-Ref 会把图像的颜色、纹理、构图线索，以及绘画或摄影质感等视觉特征迁移给另一个主体。因此，它是风格控制机制，而不是身份锁定系统。

这对营销设计很有用。团队可在眼镜、包装、产品和编辑风格图像之间保持相同金属处理、灯光语言、颗粒感或插画特征，无需在每条提示词里重写整套美学。

Krea 2 S-Ref 强度：20%、50% 与 80% 对比

Krea 自己的示例把这种取舍展示得非常清楚。

约 20% 时，参考图只留下些许配色或绘画特征，模型仍占主导。50% 时，Krea 称之为均衡混合。80% 时，参考图可能强势接管配色、笔触与构图，甚至影响主体本身。

后一种现象称为风格渗漏。在生产中，我会从接近 50% 开始，比较几张输出，只有当风格遵循明显不足时才提高强度。

如何混合多个 Krea 2 S-Refs 与 Moodboards？

把多个 S-Refs 当作独立艺术指导层

Krea 标准 Style Reference 工作流程支持最多四个 S-Refs，每个都有独立的强度控制。

Krea 展示了70% + 50%、75% + 57% 以及 80% + 60% + 44%等组合。实用经验不是照抄数字，而是为每张参考分配一种视觉职责。

例如：

• 参考 A 控制配色与材质。
• 参考 B 控制灯光或摄影处理。
• 参考 C 控制纹理或插画语言。

不要同时把所有 S-Ref 拉满。多个参考强烈竞争时，更难判断是哪张图造成了不想要的材质、构图或内容变化。

Krea 2 Moodboard 与 S-Ref 对比

Moodboard 不只是更多 S-Refs 的堆叠。

Krea 表示，Moodboards 利用风格迁移、自定义 LLM 和聚类方法分析更大的图像集。系统可对概念、重复出现的角色、表情、构图、氛围和整体情绪进行推理，然后生成 Taste Profile（审美画像）、Keywords（关键词）与 Avoids（避用项）。

特定营销视觉处理用 S-Refs；长期品牌世界则更适合Moodboards 这一系统层面的工具。

Krea 2 生成式滑块如何提升创意控制？

生成式滑块让设计师在提示词保持稳定的同时改变视觉行为。Krea 当前提供Intensity（强度）、Complexity（复杂度）、Movement（运动）和 Creativity（创造性）。

Intensity 让风格化更强烈或更克制。Complexity 控制视觉密度。Movement 影响相机和姿势的动感。Creativity 决定 Krea 对所写内容进行多大程度的扩展。

在 Creativity 中，Raw 不扩展提示词，Low 更贴近提示词，Medium 提供均衡解读，High 则给予 Krea 更多风格、情绪和美学自由。

Creativity 中名为 Raw 的设置，不应与Krea 2 Raw混淆；后者是下文讨论的独立、未经蒸馏的模型检查点。

Krea 2 Medium、Large、Raw 与 Turbo：该用哪个？

Krea 2 Medium 与 Large 对比

Krea 将Medium 定位为更快、更便宜、后训练更充分的默认选项，在广泛任务中表现稳定。Large 体量超过其两倍，后训练较轻，表现更原生、更有纹理、更灵活，尤其擅长照片级真实感和实验性视觉。

这意味着“Medium 用于艺术，Large 用于摄影”过于简单。Medium 是很好的默认选项；当你特别重视纹理、照片级真实感、运动模糊、颗粒或更广的表现范围时，Large 更合适。

Krea 当前 API 价格中，Medium 为每次文生图 $0.030，使用 S-Refs 为 $0.035，相比之下，Large 分别为 $0.060 和 $0.065。

Krea 2 Raw 与 Turbo 对比

Krea 2 Raw 属于另一种模型家族语境。Krea 将Raw 描述为用于微调和 LoRA 训练的未经蒸馏的基础检查点，而 Turbo 是为快速推理优化的八步蒸馏检查点。Krea 明确建议在 Raw 上训练，再在 Turbo 上运行训练出的 LoRA。

Krea 托管版 Turbo 体验约两秒即可生成，尤其适合快速创意循环。

在我们审阅的已发布流程中，一项八十张图片的本地对比用 Turbo 八步运行，每张约七秒；Raw 加 Turbo-LoRA 则用十六步，每张约二十二秒。更快的配置更常出现重复的居中构图，而基于 Raw 的流程在种子和构图上更多样。这是工作流程案例，不是通用基准。

Krea 2 Identity Edit 如何工作？

Krea 2 Identity Edit 是社区扩展

这里介绍的 Identity Edit v1.2 流程不是 Krea.ai 官方功能，而是基于 Krea 2 Raw 的社区微调，用于参考条件控制的编辑。

它的作用与 S-Ref 根本不同：在尝试保留人物或主体的同时，改变服装、姿势、表情、道具或情境。

最有效的提示方式是简短且聚焦最终状态。不描述编辑操作，而是描述完成后的图片应有什么。复杂变化分步串联更可靠：

原图 → 服装 → 姿势 → 表情 → 道具

最重要的 Identity Edit 设置

当前模型文档建议，大多数编辑使用Turbo、8–12 步和 CFG 1.0。Reference Boost 约为4是获得较强相似度的起点；低于 1 会给予更多自由，高于 10 则可能开始破坏移除任务。约 8 步更有利于遵循构图，12 步则更有利于面部细节。

大范围移除时，文档建议的起点改为Raw、约二十步、CFG 3.0。模型作者还建议生成不超过约2MP，以减少重复和源图渗入。双输入编辑中，输入顺序固定为：先场景，后人物。

Krea 2 身份编辑的真实限制是什么？

身份保留应被视为设计目标，而非保证。

模型文档与用户问题审阅中反复出现的问题包括：面部几何漂移、凭空增加服装细节、非局部灯光或颜色变化、肤色变化、多人场景身份趋同，以及种子依赖。换装通常比简单的以脸部为重点的修改更难预测。

一个审阅过的 ComfyUI 流程运行于RTX 3060，6GB 显存与 16GB 内存，包含两阶段采样与 2 倍放大。技术上可行，但换装编辑依然不稳定。硬件可行性与生产可靠性是不同的问题。

因此，对于电商、重复角色或广告，每个身份敏感的输出都应在审批前与源图对照。

角色一致性还需要 Krea 2 LoRA 吗？

偶尔编辑时，Identity Edit 可能足够。角色若必须反复出现在数十个场景、角度与素材中，Character LoRA 会提供学习到的身份先验，而不是每次从一张参考图重新推断身份。

Krea 官方训练流程至少需要三张图片，使用描述文本，支持风格、角色、物体与材质。Krea 建议用 Medium 作为更快的训练起点，需要更强 LoRA 时选 Large。

我们的研究集中有一个角色流程，用40–50 张图片与约 1,000–1,500 步，在 16GB 显存上得到了主观感知较高的相似度，但这不是基准测量。另一个风格 LoRA 案例在约2,500–3,000 步开始过拟合，因此每250–300 步保存检查点，有助于找出更早、更干净的模型。

在视频制作中，一个相关流程先从初始角色创建十六种姿势与相机变化，再选择视角送入视频生成。这种参考库方法比只用一张正面图给下游模型提供更多结构信息。类似原则也见于MiniMax H3 参考指南。

不同设计目标最适合什么 Krea 2 流程？

对于专业设计生产，最有效的顺序是探索 → 细化 → 锁定风格 → 构建美学系统 → 控制身份或结构 → 每次编辑一个变量 → 构建变体 → 定稿。

常见问题

Krea 2 应使用多大的 S-Ref 强度？

从约 50% 开始，平衡提示词与参考图。约 20% 让提示词占主导，80% 则给予参考图更多控制。提高强度可能增强风格保真，但也增加参考颜色、构图或主体细节渗入输出的风险。

Krea 2 Identity Edit 是官方功能吗？为什么身份仍会漂移？

不是。这里讨论的 Identity Edit v1.2 流程是基于 Krea 2 Raw 的社区 LoRA。编辑会重新生成的内容超过一个完美隔离的局部区域，因此身份仍可能漂移。面部几何、服装、肤色、灯光与无关细节都可能变化，尤其是同时要求多个变换时。

Raw 还是 Turbo：该用哪个 Krea 2 模型？

使用Turbo 进行快速推理与迭代。使用Krea 2 Raw 进行微调、LoRA 训练与进阶基础模型工作流程。不要把 Raw 模型与 Creativity Raw 混淆，后者只是关闭 Krea 创造性控制中的提示词扩展。

Krea 2 角色一致性需要 LoRA 吗？

并非每次编辑都需要。如果只是对现有图片做几处修改，身份流程可能足够。若角色需要在多个姿势、场景、角度或视频素材中重复出现，Character LoRA 更合适，因为身份是从数据集学习而来，而非反复从单张参考图推断。

结论

Krea 2 会变得更容易控制，只要把风格、参考与身份视为独立设计层，而不是交给一个完美提示词解决的问题。提示词定义内容，S-Refs 迁移精准视觉语言，Moodboards建立更广泛的美学世界，生成式滑块引导探索，LoRA 或身份导向流程处理重复主体。因此，最可靠的生产不是一次生成，而是探索、锁定风格、身份或结构控制、分阶段编辑、构建变体及最终生产。