ComfyUI IPAdapter: imágenes de referencia, estilo, composición y modelos

Tienes una imagen de La noche estrellada de Van Gogh y quieres generar un paisaje con el mismo estilo, pero el prompt de texto no da en el blanco por más que lo ajustes. Cambias a ComfyUI IPAdapter, cargas la referencia, configuras weight en 1,0 y obtienes un rostro irreconocible mientras la composición también se aleja de lo que pediste.

La parte difícil de IPAdapter no es instalarlo, sino combinar los modelos correctos, ajustar los parámetros y limitar el tipo de influencia. A continuación encontrarás la tabla modelo–CLIP Vision que evita el error más común, recomendaciones prácticas para weight_type, el reparto entre tres métodos de control y rutas separadas para SD1.5, SDXL y FLUX.

1. Qué es IPAdapter: una imagen como LoRA instantáneo

ComfyUI define IPAdapter como image-to-image conditioning. Codifica las características visuales de la imagen de referencia y las inyecta en la generación. El repositorio de cubiq resume bien la idea: puede verse como un LoRA de una sola imagen.

Esa transferencia inmediata sin entrenamiento es la diferencia central entre IPAdapter y LoRA. LoRA requiere varias imágenes, un proceso de entrenamiento y un archivo de modelo que suele ocupar desde decenas hasta cientos de megabytes. IPAdapter usa una referencia directamente, la codifica durante la generación y no necesita un modelo recién entrenado.

El mecanismo interno también cambia. LoRA ajusta matrices de pesos y modifica parámetros del modelo durante la generación. IPAdapter convierte la referencia en vectores de condición y los inyecta en las capas de cross-attention junto con el prompt de texto. Siguen rutas distintas, aunque ambos controlan el resultado.

1.1 Cómo se reparten el trabajo los tres métodos

Los tres métodos de control habituales en ComfyUI tienen funciones diferentes:

Método	Qué controla	Qué necesita	Ventaja
IPAdapter	Estilo, referencia y rasgos del sujeto	Una imagen de referencia	Transferencia inmediata sin entrenamiento
ControlNet	Estructura, pose, líneas y profundidad	Un mapa OpenPose, Canny o Depth	Control preciso de composición y pose
LoRA	Estilo, personaje y lenguaje visual	Un archivo de modelo entrenado	Resultados estables al reutilizarlo

Cada uno encaja en un caso:

• IPAdapter sirve para probar estilos rápido, usar una referencia puntual o evitar el entrenamiento. Si tienes una sola imagen de La noche estrellada, puedes introducirla directamente.
• ControlNet sirve para controlar con precisión pose, composición, bordes o profundidad. Un mapa OpenPose mantiene a una persona en una postura concreta.
• LoRA sirve para reutilizar el mismo estilo o personaje. Después de entrenar un LoRA de personaje, sus rasgos tienden a mantenerse mejor entre generaciones.

Los tres pueden combinarse. Para crear un retrato con el estilo de La noche estrellada y una pose específica, deja que IPAdapter transfiera el estilo y ControlNet OpenPose controle la pose. La guía práctica de ControlNet en ComfyUI muestra la conexión.

2. El error más común: combinación de modelo y CLIP Vision

Si los nodos IPAdapter están instalados pero dan error o no cambian el resultado, suele faltar CLIP Vision, estar en una carpeta incorrecta o no corresponder al modelo IPAdapter.

2.1 Lista de modelos CLIP Vision

IPAdapter necesita dos modelos: el propio IPAdapter y un CLIP Vision que codifica la imagen de referencia. Deben coincidir o el flujo puede fallar o producir un resultado incorrecto.

Modelo CLIP Vision	Nombre de archivo	Modelos IPAdapter compatibles
vit-h	CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors	La mayoría de los modelos SD1.5 y los modelos SDXL con sufijo *_vit-h
bigG	CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors	Modelos con vit-G, incluidos ip-adapter_sd15_vit-G e ip-adapter_sdxl

El archivo vit-h ocupa unos 1,7 GB y bigG alrededor de 3,5 GB. Descarga el archivo exacto desde el repositorio correcto de Hugging Face, no otro checkpoint CLIP con un nombre parecido.

2.2 Carpetas y nombres obligatorios

• Carpeta de CLIP Vision: ComfyUI/models/clip_vision/
• Carpeta de IPAdapter: ComfyUI/models/ipadapter/ (créala manualmente)
• Regla de nombres: Unified Loader espera los nombres oficiales; Legacy Loader acepta nombres propios, pero exige selección manual

Si la carpeta no existe, el nodo informa que no encuentra el modelo. models/ipadapter/ no siempre está en una instalación nueva, así que créala:

mkdir -p ComfyUI/models/ipadapter

2.3 Errores frecuentes de combinación

1. Combinar ip-adapter_sdxl con vit-h: ip-adapter_sdxl sin sufijo vit-h usa bigG. Un encoder incorrecto puede generar un error o distorsionar mucho la imagen.
2. Instalar ip-adapter-plus_sd15 sin CLIP Vision: el modelo IPAdapter está disponible, pero falta el encoder. El nodo puede cargar aunque la referencia no influya en el resultado.
3. Cambiar el nombre y romper la detección de Unified Loader: si ip-adapter-plus_sd15.safetensors pasa a llamarse my_ipadapter.safetensors, Unified Loader no lo identifica. Recupera el nombre oficial o usa Legacy Loader.

2.4 Lista de comprobación

Si aparece un error, revisa en este orden:

1. Abre ComfyUI/models/clip_vision/ y confirma que el CLIP Vision necesario existe con el nombre correcto
2. Abre ComfyUI/models/ipadapter/ y confirma que existen la carpeta y el modelo IPAdapter
3. Compara ambos archivos con la tabla de combinaciones
4. Comprueba que el nombre respete la convención de Unified Loader

Las combinaciones incorrectas causan gran parte de los fallos iniciales. Consultar la tabla antes de descargar evita la mayoría.

3. Niveles de modelos IPAdapter: selección rápida

Cada tarea necesita un nivel diferente. El modelo base tiene fuerza media, plus es más intenso, y plus-face y full-face se centran en referencias faciales.

3.1 Modelos SD1.5

Modelo	Fuerza	Uso recomendado
ip-adapter_sd15	Media	Transferencia de estilo ligera
ip-adapter-plus_sd15	Alta	La mayoría de los casos en que el estilo debe notarse
ip-adapter-plus-face_sd15	Para retratos	Conservar rasgos faciales
ip-adapter-full-face_sd15	Más alta, no siempre mejor	Control facial extremo cuando plus-face no basta

El modelo plus transfiere los rasgos con más fuerza que el modelo base, pero también puede arrastrar la composición. Si solo quieres una influencia suave, el modelo base es más adecuado.

plus-face y full-face están especializados en retratos. Empieza por plus-face. full-face es más fuerte, pero esa intensidad adicional puede deformar el rostro en vez de mejorarlo.

3.2 Modelos SDXL

Los modelos SDXL de la tabla usan el encoder vit-h. No los confundas con ip-adapter_sdxl, que necesita bigG.

Modelo	Combinación CLIP Vision
ip-adapter_sdxl_vit-h	vit-h
ip-adapter-plus_sdxl_vit-h	vit-h
ip-adapter-plus-face_sdxl_vit-h	vit-h

Sus nombres incluyen el sufijo vit-h, por lo que usan vit-h. El modelo separado ip-adapter_sdxl no lleva ese sufijo y utiliza bigG.

3.3 Modelos de extensión de la comunidad

ip_plus_composition_sd15/sdxl es un modelo comunitario que transfiere la composición e ignora en gran medida estilo y contenido. Combínalo con el weight_type composition cuando quieras conservar la distribución, pero elegir otro estilo y otro sujeto.

3.4 Recomendaciones de selección

• Transferir principalmente estilo: usa un modelo plus para un efecto claro
• Generar retratos: usa plus-face para conservar los rasgos
• Aplicar un estilo ligero: usa el modelo base para que la referencia no domine
• Transferir solo composición: usa ip_plus_composition con composition
• Reutilizar muchas veces la misma referencia: considera entrenar un LoRA en vez de codificar la misma imagen en cada generación

4. weight_type en la práctica: estilo, composición o sujeto

De forma predeterminada, IPAdapter puede transferir estilo, composición y rasgos del sujeto al mismo tiempo. Por eso una referencia de estilo puede arrastrar la distribución, o una referencia facial puede producir un rostro borroso. weight_type limita qué parte se transfiere.

4.1 Opciones de weight_type

weight_type	Efecto	Uso recomendado
style transfer	Transfiere principalmente estilo	Mantener tu composición y tomar el estilo visual
composition	Transfiere principalmente composición	Mantener la distribución y elegir otro estilo y sujeto
precise style transfer	Aísla mejor el estilo	Reducir la fuga de composición; preferible cuando sea posible
Predeterminado sin weight_type especial	Transfiere todo	Estilo, composición y rasgos del sujeto juntos

Configura weight_type en el nodo IPAdapter Advanced. IPAdapter Unified Loader por sí solo mantiene la influencia completa. Para controlar la extensión, añade Advanced o usa los nodos IPAdapter Style & Composition.

4.2 Diferencias entre los modos

• style transfer: se centra en el estilo, aunque todavía puede copiar parte de la composición.
• precise style transfer: separa mejor el estilo y reduce la composición no deseada. Pruébalo primero.
• composition: toma la distribución e ignora en gran medida el estilo y el contenido. Úsalo cuando importe más la organización espacial.

4.3 Ajustes según el objetivo

• Solo estilo: elige precise style transfer o style transfer en IPAdapter Advanced. Empieza con weight 0,7–0,9.
• Solo composición: elige composition, preferiblemente con ip_plus_composition_sd15/sdxl. Un weight de 0,9–1,0 puede funcionar porque el control de composición suele difuminar menos el rostro.
• Conservar un rostro: usa plus-face con weight inferior a 0,8. Mantén el modo predeterminado o prueba style transfer; no uses composition para identidad.
• Varias referencias: pon weight 0 en la rama que no uses. Asigna composition a la referencia de distribución y precise style transfer a la de estilo; luego ajusta cada fuerza.

4.4 Combinar weight_type y weight

Objetivo	weight_type	weight inicial
Transferir estilo y definir tu composición	precise style transfer	0,7–0,9
Transferir composición y definir tu estilo	composition	0,9–1,0
Transferir estilo y conservar un rostro	Predeterminado + plus-face	0,6–0,8
Combinar varias referencias	Definir weight_type por rama	Ajustar según el papel; poner las ramas sin uso en 0

weight_type controla el alcance y weight la intensidad. Si la referencia arrastra la composición, cambia a precise style transfer. Si el rostro se difumina, baja weight y usa plus-face.

5. Desarrollar una intuición para weight

¿Qué valor conviene usar? El 1,0 predeterminado suele ser demasiado alto: los rostros se difuminan, la referencia domina y el prompt pierde fuerza.

5.1 Valor inicial

Empieza con 0,8 en lugar de 1,0. Con weight=1,0, los rasgos de la referencia pueden exagerarse y tapar el prompt de texto.

Aumentar las steps puede ayudar, por ejemplo de 20 a 30, pero reducir weight corrige el desequilibrio de forma más directa. Más steps también aumentan el tiempo de generación.

5.2 Rangos de weight

weight	Resultado	Problema frecuente
1,0	Transferencia máxima	Rostros borrosos, prompt débil, composición inestable
0,8–0,9	Transferencia fuerte	Buen equilibrio para la mayoría de los flujos
0,5–0,7	Transferencia media	Estilo más débil, pero más fácil de combinar
0,3–0,5	Transferencia ligera	Ajuste sutil, cercano a generar solo con prompt

Con un weight demasiado bajo, la referencia apenas aparece. Con uno demasiado alto, domina el prompt. 0,8 es un buen punto de partida.

5.3 Relación con las steps

weight alto → añade steps si el rostro sigue borroso. weight bajo → menos steps pueden ahorrar tiempo.

Valores orientativos:

• weight=1,0 → al menos 30 steps, a veces 40
• weight=0,8–0,9 → 25–30 steps
• weight=0,5–0,7 → 20–25 steps
• weight=0,3–0,5 → unas 20 steps

Más steps no siempre mejoran la imagen. Por encima de 40, la mejora suele ser pequeña y el tiempo crece mucho. Ajusta weight antes de seguir aumentando las steps.

5.4 Combinación con otros parámetros

• weight + weight_type: weight controla la intensidad; weight_type, el alcance. Decide primero si la referencia debe afectar la composición y después ajusta la fuerza.
• weight + CFG Scale: CFG Scale controla la influencia del prompt. Con weight alto puedes subirlo, por ejemplo de 7 a 9, para recuperar peso textual. Con weight bajo, déjalo cerca de 7.
• weight + varias referencias: reduce cada valor para evitar conflictos. Dos referencias a 0,5–0,6 son más seguras que dos a 0,8–1,0.

5.5 Secuencia de ajuste repetible

Una primera prueba segura usa weight 0,8 y 30 steps. Genera una imagen y ajusta según el resultado en vez de empezar en 1,0.

Secuencia:

1. Configurar weight=0,8 y steps=30, y generar una imagen
2. Si la referencia es débil, subir weight a 0,9
3. Si la referencia es demasiado fuerte o el rostro se difumina, bajar a 0,7
4. Si la composición se desvía, cambiar weight_type a precise style transfer

weight es el control principal de IPAdapter. Empieza en 0,8 y cambia en incrementos pequeños.

6. Instalación y configuración de nodos

6.1 Pasos de instalación

1. Clonar el repositorio: ejecuta lo siguiente desde ComfyUI/custom_nodes/:

   git clone https://github.com/cubiq/ComfyUI_IPAdapter_plus

2. Crear la carpeta de modelos: crea ComfyUI/models/ipadapter/ si no existe:

   mkdir -p ComfyUI/models/ipadapter

3. Descargar los modelos:

   • Coloca CLIP Vision en ComfyUI/models/clip_vision/
   • Coloca IPAdapter en ComfyUI/models/ipadapter/
   • Revisa la tabla de la sección 2 antes de descargar

4. Reiniciar ComfyUI: después aparecerán los nodos IPAdapter en la lista

La instalación añade estos nodos:

• IPAdapter Unified Loader
• IPAdapter Advanced
• IPAdapter Encoder
• IPAdapter Style & Composition
• IPAdapter Precise Style Transfer

6.2 Nodos principales

IPAdapter Unified Loader carga el modelo y detecta la combinación correcta cuando se usan nombres oficiales. Es el mejor punto de partida para la mayoría de los flujos.

Parámetros:

• ipadapter_file: selecciona IPAdapter; el nombre oficial permite detección automática
• clip_vision: selecciona o asocia el encoder CLIP Vision
• lora: carga automáticamente el LoRA correspondiente en modelos FaceID compatibles

IPAdapter Advanced ofrece weight_type, start_at y end_at. Es el nodo central para controlar la influencia con precisión.

Parámetros:

• weight: fuerza de la referencia; empieza en 0,8
• weight_type: alcance, como style transfer, composition o precise style transfer
• start_at: punto entre 0 y 1 donde empieza la influencia
• end_at: punto entre 0 y 1 donde termina la influencia

Con start_at=0,2 y end_at=0,8, IPAdapter solo actúa entre el 20 y el 80 % del muestreo. El primer y el último 20 % se ejecutan sin su influencia.

IPAdapter Encoder convierte la referencia en la condición que usa IPAdapter. En flujos básicos no suele requerir ajustes directos.

6.3 Legacy Loader frente a Unified Loader

• Unified Loader: exige nombres oficiales y carga automáticamente modelos compatibles. Úsalo en la mayoría de los flujos.
• Legacy Loader: acepta nombres propios, pero requiere selección manual. Es útil para archivos renombrados o pruebas de versiones.

Mantén los nombres oficiales y usa Unified Loader cuando sea posible. Cambia a Legacy Loader para nombres personalizados o un modelo concreto.

6.4 Crear el flujo básico

Un flujo IPAdapter básico sigue esta cadena:

Load Checkpoint → IPAdapter Unified Loader → IPAdapter Advanced → KSampler → VAE Decode → Save Image
                          ↑
                    Load Image (referencia)

Pasos:

1. Cargar el modelo base con Load Checkpoint
2. Cargar IPAdapter con IPAdapter Unified Loader
3. Cargar la referencia con Load Image
4. Aplicar la referencia con IPAdapter Advanced
5. Muestrear con KSampler
6. Decodificar con VAE Decode
7. Guardar con Save Image

Para instalar nodos faltantes y recuperar flujos importados, consulta la guía de reutilización de workflows de ComfyUI.

7. Rama FLUX IPAdapter: una opción experimental

FLUX IPAdapter usa nodos diferentes de SD y no se carga con el paquete de cubiq. Existen dos implementaciones habituales y ambas deben considerarse beta.

7.1 Opción XLabs-AI

• Nodos: Flux Load IPAdapter y Apply Flux IPAdapter
• Carpeta: ComfyUI/models/xlabs/ipadapters/, no models/ipadapter/
• Estado: beta; un buen resultado puede requerir varias generaciones y ajustar ip strength
• Licencia: los pesos siguen la licencia no comercial de FLUX.1 [dev]

XLabs-AI es una de las implementaciones principales de FLUX IPAdapter:

1. Clonar el paquete XLabs en custom_nodes/
2. Descargar el modelo FLUX IPAdapter en models/xlabs/ipadapters/
3. Cargar un modelo base FLUX, no SD
4. Usar Flux Load IPAdapter y Apply Flux IPAdapter

Parámetro:

• ip_strength: equivalente aproximado de weight en FLUX. Empieza en 0,8–0,9, no en 1,0.
• Genera varios resultados y ajusta el valor.

7.2 Opción Shakker-Labs

• Nodo: Apply IPAdapter Flux Model
• Parámetros: weight, start_percent y end_percent
• Carpeta: clona el paquete en ComfyUI/custom_nodes/comfyui-ipadapter-flux/

Shakker-Labs ofrece otro paquete específico para FLUX:

1. Clonar con git clone https://github.com/Shakker-Labs/ComfyUI-IPAdapter-Flux
2. Cargar el modelo FLUX IPAdapter
3. Aplicarlo con Apply IPAdapter Flux Model

Parámetros:

• weight: intensidad de referencia; empieza en 0,8–0,9
• start_percent: punto donde empieza la influencia
• end_percent: punto donde termina

7.3 Diferencias entre nodos FLUX y SD

Elemento	SD con cubiq	FLUX con XLabs o Shakker
Paquete de nodos	ComfyUI_IPAdapter_plus	Nodos de XLabs o Shakker-Labs
Carpeta del modelo	models/ipadapter/	models/xlabs/ipadapters/
Madurez	Implementación estable y extendida	Beta y experimental
Licencia	Código de nodos abierto	Pesos FLUX.1 [dev] no comerciales

7.4 Recomendaciones para FLUX IPAdapter

El ecosistema FLUX IPAdapter es más nuevo y menos predecible. Prueba en este orden:

1. Empezar con XLabs, la ruta más habitual
2. Configurar ip_strength o weight en 0,8–0,9, no en 1,0
3. Generar varias muestras y ajustar parámetros
4. Revisar la limitación no comercial de FLUX.1 [dev] antes de uso comercial

FLUX y SD usan paquetes, carpetas y significados de parámetros diferentes. Cargar un modelo FLUX IPAdapter con los nodos SD de cubiq produce un error o ningún efecto.

8. FaceID en breve: una opción para rostros

FaceID es una rama de IPAdapter especializada en referencias faciales. Necesita insightface, y la mayoría de los modelos FaceID también requieren un LoRA específico en models/loras/. Unified Loader lo carga automáticamente si se conserva la convención de nombres.

Una guía separada debe cubrir FaceID, InstantID y ReActor en profundidad. El límite importante aquí es que FaceID añade dependencias y un LoRA propio del modelo.

9. Repartir y combinar IPAdapter, ControlNet y LoRA

Los tres métodos controlan propiedades distintas y pueden combinarse. Cuando los apiles, reduce cada weight para evitar conflictos.

9.1 Comparación de los tres métodos

Método	Qué controla	Qué necesita	Ventaja
IPAdapter	Estilo, referencia y rasgos del sujeto	Una imagen de referencia	Transferencia inmediata sin entrenamiento
ControlNet	Estructura, pose, líneas y profundidad	Un mapa OpenPose, Canny o Depth	Control preciso de composición y pose
LoRA	Estilo, personaje y lenguaje visual	Un archivo de modelo entrenado	Resultados estables al reutilizarlo

Son métodos complementarios. IPAdapter acelera las pruebas de estilo, ControlNet fija la estructura y LoRA estabiliza estilos o personajes recurrentes.

9.2 Ejemplos de combinación

Ejemplo 1: estilo de referencia + pose controlada

Objetivo: generar un retrato con el estilo de La noche estrellada y una pose concreta

• IPAdapter: transferir estilo con weight=0,7–0,8 y weight_type=precise style transfer
• ControlNet OpenPose: controlar pose con weight=0,8–1,0
• Prompt de texto: describir persona y fondo

Ajustes recomendados:

• Mantener IPAdapter en 0,7–0,8 para que el estilo no tape la pose
• Mantener ControlNet en 0,8–1,0 porque la pose suele no chocar con el estilo
• Subir CFG Scale a 8–9 si el prompt pierde influencia

Ejemplo 2: estilo de referencia + personaje aprendido

Objetivo: generar un personaje conocido en un estilo visual concreto

• IPAdapter: transferir estilo con weight=0,6–0,7 y weight_type=precise style transfer
• LoRA: cargar el personaje con weight=0,7–0,8
• Prompt de texto: describir escena y acción

Ajustes recomendados:

• Mantener IPAdapter en 0,6–0,7 y LoRA en 0,7–0,8; no maximizar ambos
• Subir el weight de LoRA si el personaje es débil
• Subir el weight de IPAdapter si el estilo es débil

Ejemplo 3: varias referencias + ControlNet

Objetivo: combinar estilo A, composición B y pose C

• Primera rama IPAdapter: estilo A con weight=0,5–0,6 y weight_type=precise style transfer
• Segunda rama IPAdapter: composición B con weight=0,6–0,7 y weight_type=composition
• ControlNet OpenPose: pose C con weight=0,8–1,0

Ajustes recomendados:

• Reducir cada weight al usar varias referencias
• Poner una rama no utilizada en weight 0
• Ajustar por prioridad: pose, composición y estilo

9.3 Precauciones al apilar controles

Cuando haya varias condiciones activas:

1. Reducir cada weight: con otros controles fuertes, configura IPAdapter en 0,5–0,7 y no en 0,8–1,0.
2. Ajustar por prioridad: primero pose de ControlNet, después composición de IPAdapter y por último estilo de IPAdapter.
3. No controlar dos veces la misma propiedad: dos sistemas que fuerzan el estilo pueden entrar en conflicto.
4. Recuperar la influencia del prompt cuando haga falta: sube CFG Scale a 8–9 si las condiciones debilitan el texto.

Consulta la guía de ControlNet en ComfyUI y la guía de LoRA en ComfyUI. Los valores exactos deben probarse con tu modelo y tus referencias.

10. Lista de solución de problemas

10.1 Problemas comunes y soluciones

Problema	Causa	Solución
Los nodos están instalados, pero la generación falla o no cambia	Falta CLIP Vision, está en otra carpeta o no coincide	Revisar clip_vision/ y la tabla
Error de combinación	IPAdapter y CLIP Vision no coinciden	Descargar el CLIP Vision correcto
El rostro se difumina con weight=1,0	weight es demasiado alto	Bajar a 0,8–0,9 y probar unas 30 steps
La composición se desvía	El weight_type predeterminado transfiere todo	Elegir precise style transfer en Advanced
FLUX IPAdapter no funciona	FLUX usa otros nodos	Usar XLabs o Shakker-Labs en lugar de cubiq
Unified Loader no reconoce el archivo	El nombre no sigue la convención	Recuperar el nombre oficial o seleccionarlo en Legacy Loader
Los rasgos de referencia son débiles	weight es demasiado bajo	Subir a 0,8–0,9 o usar un modelo plus
Los rasgos son demasiado fuertes	weight es demasiado alto	Bajar a 0,5–0,7
Varias referencias entran en conflicto	Cada weight es demasiado alto	Bajar cada rama a 0,5–0,6 y poner las no usadas en 0

10.2 Solución avanzada de problemas

La imagen de referencia es demasiado compleja

Problema: una imagen incluye a la vez estilo, composición y sujeto muy marcados, y las condiciones se mezclan.

Solución:

1. Separar las referencias: una para estilo con precise style transfer y otra para distribución con composition
2. Bajar cada weight a 0,5–0,6
3. Poner las ramas no deseadas en weight 0

IPAdapter y varios LoRA entran en conflicto

Problema: el estilo o el personaje se vuelve inestable al apilar IPAdapter y LoRA.

Solución:

1. Configurar IPAdapter en 0,5–0,7 y LoRA en 0,5–0,7
2. No usar IPAdapter y LoRA para la misma propiedad
3. Ajustar por prioridad: personaje LoRA y después estilo IPAdapter

FLUX sigue siendo irregular

Problema: las salidas FLUX IPAdapter varían o la referencia a veces no influye.

Solución:

1. Generar varias muestras y ajustar ip strength o weight
2. Probar primero XLabs
3. Comprobar que el modelo esté en models/xlabs/ipadapters/

IPAdapter no coincide con el modelo base

Problema: se aplica un IPAdapter SD1.5 a un modelo base SDXL.

Solución:

1. Combinar IPAdapter SD1.5 con SD1.5 e IPAdapter SDXL con SDXL
2. Revisar la guía para elegir modelos Stable Diffusion

Las versiones de los nodos difieren

Problema: los nombres de nodos y parámetros cambian ligeramente entre versiones.

Solución:

1. Usar Unified Loader + IPAdapter Advanced como ruta principal
2. Revisar la versión instalada y actualizarla cuando sea necesario
3. Seguir la documentación de la versión instalada si los nombres cambian

10.3 Orden de revisión

Sigue este orden:

1. Revisar carpetas: CLIP Vision e IPAdapter deben estar en el lugar correcto
2. Revisar la tabla: los dos modelos deben coincidir
3. Revisar nombres: recuperar los nombres oficiales para Unified Loader
4. Bajar weight: empezar en 0,8, no en 1,0
5. Cambiar weight_type: usar precise style transfer si la composición se desvía
6. Añadir steps: probar unas 30 si una referencia fuerte aún difumina el rostro

La mayoría de los problemas iniciales vienen de una combinación incorrecta o de un weight excesivo. Revisa primero las carpetas, el encoder y el valor 0,8.

Conclusión

IPAdapter usa una imagen de referencia como condición y transfiere estilo, composición o rasgos del sujeto sin entrenar un LoRA. La combinación con CLIP Vision es el punto crítico de la instalación. En el ajuste, un weight demasiado alto difumina los rostros y el weight_type predeterminado también arrastra la composición.

Una secuencia fiable:

1. Elegir el CLIP Vision correcto con la tabla
2. Empezar weight en 0,8 en lugar de 1,0
3. Elegir precise style transfer cuando solo quieras estilo
4. Reducir cada weight al combinar IPAdapter con ControlNet

Después puedes probar consistencia facial con FaceID, InstantID o ReActor, o entrenar un LoRA para reutilizarlo. Si necesitas las bases, consulta la guía para empezar con ComfyUI.