单独使用时，权重1即可，由于是偏向动漫入侵，有些写实的词直接用的时候，可能会偏向真人，请在加入触发词：克系美学时，后面可以再加数字化作品，猩红面具等提高动漫化。 配合脸模时，一般权重也为1，请参考例图自选权重。 LoKr（Low-Rank Kronecker Product）： 采用Kronecker乘积（克罗内克积）进行分解（ΔW = C ⊗ (B·A)）（例如把 512×512 拆成 16×16 和 32×32）。Kronecker积具有秩的可乘性，这意味着LoKr可以通过设计因子矩阵的维度，在参数量可控的情况下获得比LoRA更高的等效秩，从而引入块级（block-level）的结构化重复模式。这种结构使得lokr在相同秩下，参数量和文件大小通常小于lora。 拥有极强的表达能力和更高的参数效率。在特定配置下，LoKr的参数结构甚至比LoRA更为紧凑，能够捕捉更丰富的视觉细节和跨维度的复杂交互。 训练稳定性中等，对数据质量更为敏感，通常需要配合高质量、多样化的训练集使用。它特别适合需要捕捉风格特征、结构化布局、复杂空间关系的生成任务（如风格迁移），以及在资源受限环境下需要显著减小模型体积的场景