需按人体运动逻辑串联动作节点：先上传角色lora并匹配sd1.5底模，再用openpose解析骨架，最后配置ksampler动态参数与vae decode输出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在LiblibAI里让一张静态人物图动起来，比如挥手、转身、奔跑，但拖进工作流后生成的视频要么卡顿僵硬，要么动作完全跑偏——这不是模型不行，是动作生成节点没按人体运动逻辑串联。
先加载角色专属模型与LoRA
跳过这步直接连ControlNet，系统会用通用底模强行拟合你的角色，结果必然是脸型扭曲、肢体比例错乱。必须从角色本体出发构建数据基础。
第一步：进入「模型管理」→ 点击「添加模型」→ 上传你已训练好的人物LoRA文件（.safetensors格式），确保文件名含明确标识如“lihua_cartoon_v2.safetensors”。
第二步：返回生图界面 → 在左上角「CHECKPOINT」下拉菜单中，选择与该LoRA兼容的底模，【必须选SD1.5系模型，如“liblibai_anime_v1.0.ckpt”，SDXL底模会导致LoRA权重失效】。
第三步：点击「LoRA」模块 → 勾选刚上传的LoRA → 权重设为0.75（过高会覆盖原始姿态结构，过低则动作不明显）。
接入OpenPose控制骨架运动
仅靠提示词描述“抬手”“迈步”，AI无法理解关节转动顺序；必须用OpenPose把动作拆解成可计算的骨骼信号。
方法一：使用预置OpenPose工作流节点
右键画布→「添加节点」→ 搜索并拖入“ControlNetLoader”→ 双击→ 选择“controlnet_openpose-fp16.safetensors”模型。
再拖入“OpenPosePreprocessor”节点→ 将其“image”输入连到“LoadImage”的输出→ 点击该节点右上角「执行」按钮，实时预览骨架图→ 【若关节连线断裂或手腕漂移超2像素，立刻返工重传参考图，不要继续】。
方法二：手动绑定关键帧动作（适用于视频生成）
开启「高级工作流模式」→ 在「ControlNet类型」中选“openpose_full”→ 上传首帧图像→ 进入「关键帧编辑器」→ 手动设定第3帧为“左手抬起”，第8帧为“右脚前跨”，每帧需单独加载对应姿态图并确认骨架完整。
配置KSampler与动态参数
KSampler不是调个步数就行，它要配合动作节奏决定每一帧的采样强度，否则视频会出现抽帧、抖动或动作粘滞。
第一步：将ControlNetApply节点的“latent”输出 → 连接到KSampler的“latent_image”输入。
第二步：双击KSampler → “steps”设为40（低于30动作模糊，高于45无提升且耗时翻倍）→ “cfg”保持7～8区间（太高易崩解结构，太低动作乏力）→ “sampler”选DPM++ 2M Karras（对肢体过渡最稳定）。
第三步：勾选「启用动态CFG」→ 将“start_at_step”设为5，“end_at_step”设为35 → 这能让AI在中间阶段专注解析动作变化，首尾保留构图稳定性。
连接VAE Decode并启动队列
VAE Decode不是终点，它是把潜空间动作信号转回可视画面的最后一道校准关卡。
将KSampler的“samples”输出 → 直接连到VAE Decode的“samples”输入。
右键VAE Decode节点 → 选择「队列提示」→ 此时画布右上角出现渲染进度条，第一帧生成约需4秒，后续帧因缓存加速至1.2秒/帧。
