> ## Documentation Index
> Fetch the complete documentation index at: https://www.krea.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# Krea 2
> 了解 Krea 2（K2）：Krea 自研的基础图像模型，主打美学控制、多样的视觉风格和基于参考图的 AI 图像生成。本页介绍 K2 的核心特性、在网页应用中的使用方法、推荐适用场景、风格探索与变体控制思路以及提示词技巧，帮助你快速上手并找到理想的视觉创作方向。
Krea 2（K2）是 Krea 首个完全自研、从零构建的图像基础模型，其设计围绕美学与创作掌控展开，而不仅仅是提示词的准确性。该模型被定位为一种用于生成**第一张图像**的创作媒介：一个用于探索、发现风格并确立视觉方向的起点，覆盖艺术、插画、摄影与实验性等多种输出。
## K2 的用途
K2 围绕两个理念进行优化：美学多样性与美学控制。在实践中，这意味着它被设计为能够呈现广泛的视觉语言，从**原始胶片般的影像**、**棚拍摄影**，到**插画**、**平面设计**、**数字绘画**，以及那些在其他模型中常常被"AI 味"抹平的更具表现力或更不寻常的风格。
Krea 的观点是：大多数模型擅长理解图像中应该有\_什么\_，却不太擅长控制图像应该\_如何\_呈现。K2 正是为了弥合这一差距而构建——让用户通过视觉输入直接控制风格方向、变化、参考与品味塑造，而不是仅仅依赖提示词的措辞。
# 核心产品原则
## 1. 探索优先
K2 旨在支持探索式的图像生成，尤其是在创作过程的早期阶段，即想法仍在形成之时。简单的提示词也能产出多样化的结果，帮助用户在收敛到更具体的风格或概念之前，先发现不同的美学方向。
这使得 K2 尤其适用于概念发现、氛围探索，以及生成一张引人入胜的起始图像——它随后可以被精修、编辑、转为视频，或用于其他 Krea 工作流。
## 2. 风格是可控的输入
K2 背后的一个核心理念是：风格应该是用户可以明确引导、混合、增强、削弱和实验的对象，而不是文本提示词中一个含糊的形容词。K2 的风格系统允许用户应用一张或多张参考图像，将风格元素迁移到新的生成中，并调节每张参考对结果的影响强度。
1. 首先[训练](https://www.krea.ai/train#styles-overview)一个新的 Lora
*（注意：Lora 需要几分钟才能完成训练，之后才能在图像提示词中使用）*
2. 在图像生成器中选择该 Lora
3. 通过选择影响力百分比，你应该能在生成的图像中看到相应的效果
## 3. 原生的创作媒介
K2 并不自带一种立场。这正是它的意义所在。当大多数模型悄悄施加一种"官方美学"——某种特定的平滑感、一眼可辨的成品质感——K2 则选择克制，把施加风格的空间留给创作者。推动它、引导它、把它与其他工具结合、有意地打破它。模型会跟随你。
# 核心功能
| 功能 | 作用 | 为什么重要 |
| ------------ | -------------------------- | ------------------------ |
| 文生图生成 | 根据提示词生成图像，风格可能性极为广泛。 | 帮助用户即使从一个简单想法也能探索多种视觉方向。 |
| 风格参考（S-Refs） | 将参考图像的风格特质迁移到新的输出中。 | 在纯文本提示之外，提供对视觉语言的直接控制。 |
| 风格强度控制 | 调节风格参考对最终结果的影响程度。 | 让用户在忠于参考与提示词驱动的新意之间取得平衡。 |
| 多参考混合 | 在一次生成中组合多张风格参考。 | 实现混合美学与更细腻的方向设定。 |
| 情绪板 | 分析更大规模的图像集合，推断风格、概念、表情与氛围。 | 提供比单图参考更丰富的美学引导。 |
| 基于品味的工作流 | 根据所提供的产品脚本，随时间学习用户的偏好与反馈。 | 让模型在创作使用中更具个性化与迭代感。 |
## 文生图工作流
K2 支持传统的文生图提示，但其预期体验更偏向探索性而非确定性。使用一个简单的提示词，模型返回的结果就可能在媒介、构图与美学处理上呈现出显著差异，帮助用户发现那些尚未用语言完全表述出来的可能性。
当提示词变得更具体时，K2 会在收窄视觉方向的同时仍保留一定的多样性。例如，加入诸如\*\*"复古丝网印刷插画，橙棕色调"\*\*这样的风格描述，可以让输出更聚焦，同时仍为创作发挥留出空间。
## 风格参考
风格参考是 K2 的标志性能力之一。上传一张参考图像，K2 会提取诸如配色、质感、色调品质与整体视觉方向等风格元素，然后将这些特征迁移到新的提示词上。
调节风格强度以控制参考对输出的影响程度。较低的强度让参考对生成起到轻微引导作用，而较高的强度则会让结果更贴近源风格。
K2 还支持多张风格参考，让用户可以将来自多个来源的视觉信号组合到一个输出中。这使得 S-Refs 不仅可用于忠实还原，还能基于现有参考构建全新的混合美学。
### 何时使用 S-Refs
当创作需求依赖于保留某张特定图像或某组图像的视觉语言时，请使用风格参考。它们尤其适合将配色、质感、插画风格、摄影处理或平面设计感迁移到不同的主体上。
## 情绪板
情绪板将 K2 的风格引导工作流扩展到少量参考图像之外。根据所提供的产品资料，情绪板可以使用超过四张图像，并依赖一套更复杂的分析系统，该系统不仅考虑风格，还会考虑整组图像中的概念、角色、表情与整体氛围。
在使用之前，情绪板会先被分析。该分析会生成三种输出：一份品味档案（Taste Profile）、一组关键词（Keywords）和一组规避项（Avoids）。它们共同帮助将精心策划的图像集合转化为可复用的生成视觉方向。
### 情绪板输出
| 输出 | 描述 |
| ------------------- | ----------------------- |
| 品味档案（Taste Profile） | 对情绪板中检测到的美学与模式的高层描述。 |
| 关键词（Keywords） | 在底层用于引导图像生成的风格标签与描述性线索。 |
| 规避项（Avoids） | 系统用来减少生成结果中不想要的视觉特征的信号。 |
情绪板更适合用于设定宽泛的方向，而非直接的风格迁移。它们并不紧密复刻某一张图像，而是帮助 K2 在精选图像集所蕴含的氛围、概念与美学范围内进行生成。这使它们非常适用于世界观构建、活动方案探索、品味梳理以及早期视觉开发。