LoRA 고급 학습

PixAI 고급 학습(Advanced)은 LoRA 학습 결과를 더 세밀하게 제어하고 싶은 분께 적합합니다. 이미지 설명문을 한 장씩 확인하고 수정할 수 있으며, 학습 스텝, 학습률, 디테일 용량(Rank), Alpha, Batch size를 직접 설정할 수 있습니다. 모든 파라미터의 기본값은 기본 학습과 동일합니다.

kohya / sd-scripts 등 커뮤니티 LoRA 학습 도구에 익숙하시다면, 먼저 세 가지 차이점에 유의해 주세요. 고급 학습은 총 스텝 수로 학습량을 계산하며 epoch와 repeats를 제공하지 않습니다. Alpha는 Rank의 절반, 동일, 2배 중에서만 설정할 수 있습니다. 이미지 설명문은 PixAI가 자동으로 생성한 뒤 사용자가 한 장씩 수정하는 방식입니다.

다른 탭에서 고급 학습을 열어 두고, 이 가이드와 대조하며 설정해 보세요:

▸ PixAI 고급 학습 열기

핵심 요약

• 학습량은 총 스텝 수로 계산: "학습 스텝"은 50–800 범위에서 설정할 수 있고 기본값은 325이며, epoch와 repeats는 제공하지 않습니다.
• 학습률은 하나뿐: 기본값은 6e-4이며 네트워크 전체에 적용되고, 모듈별로 설정할 수 없습니다.
• Alpha는 세 단계: Rank의 절반, 동일, 2배 중에서만 설정할 수 있으며 기본값은 Rank의 절반입니다. 크레딧 소모량은 주로 학습 스텝과 업데이트 안정도(Batch size)에 따라 결정되며, 학습률, 디테일 용량(Rank), Alpha는 크레딧에 영향을 주지 않습니다.
• 이미지 설명문은 먼저 자동 생성해야 함: 설명문은 Danbooru 태그가 아닌 자연어이며, 생성 후 한 장씩 수정할 수 있습니다.
• 트리거 단어는 모든 설명문 맨 앞에 자동 추가: 첫 번째 단계인 "기본 설정"에서 입력하면 시스템이 각 이미지의 설명문에 트리거 단어를 자동으로 추가하므로, 한 장씩 직접 넣을 필요가 없습니다.
• 자동 설명 생성과 학습은 별도 과금: 이미 설명문이 있는 이미지는 중복 과금되지 않습니다. 학습에 실패하면 학습 자체의 비용은 청구되지 않습니다. 설명문이 있는 이미지를 삭제해도 환불되지 않습니다.

학습 흐름

고급 학습은 기본 설정, 설명문, 고급 매개변수의 세 단계로 이루어집니다. 전체 순서는 커뮤니티에서 흔히 쓰는 LoRA 학습 흐름과 비슷하며, 주요 차이점은 이미지 설명문(caption)을 PixAI가 생성한다는 점과 일부 설정은 학습 생성 후 변경할 수 없다는 점입니다.

설명문은 자동으로 저장됩니다. 도중에 페이지를 벗어나더라도 학습 작업에서 이어서 진행할 수 있습니다. 자동 설명 생성, 대기, 학습이 진행되는 동안에는 페이지를 닫아도 됩니다.

kohya 사용 방식과 비교하면 다음 두 가지가 다릅니다:

• 자동 설명 생성은 별도의 과금 단계: 아직 설명문이 없는 이미지에 자동 설명 생성을 실행할 때마다 100 × 이번에 설명할 이미지 수 + 500 크레딧이 들며, 시작 전에 표시됩니다. 설명문이 생성된 후에는 한 장씩 수정할 수 있습니다. 자동 설명 생성이 완료된 이미지는 이후 삭제하더라도 크레딧이 환불되지 않습니다.
• 이미 설명문이 있는 이미지는 중복 과금되지 않음: 자동 설명 생성은 아직 설명문이 없는 이미지만 처리합니다. 나중에 이미지를 추가하면 새로 추가한 부분에 대해서만 과금됩니다.

이미지 준비

이미지 세트가 LoRA가 무엇을 학습할지를 결정합니다. 이미지를 고를 때는 LoRA가 기억하길 원하는 특징은 모든 이미지에서 일관되게 유지하고, 나머지 요소는 최대한 다양하게 구성하세요. 그래야 모델이 무엇이 LoRA 자체이고 무엇이 우연히 등장한 요소인지 구분할 수 있습니다. 캐릭터 LoRA를 예로 들면:

• 앵글: 정면, 측면, 뒷모습과 함께 부감, 앙각 등 다양한 시점을 포함하세요. 정면 이미지만 있으면 측면이나 뒷모습을 생성할 때 형태가 무너지기 쉽습니다.
• 동작과 포즈: 서기, 앉기, 걷기, 손 뻗기 등 다양한 포즈를 포함하세요. 모든 이미지가 같은 포즈라면 LoRA가 그 포즈에 고정되는 경향이 생깁니다.
• 구도와 거리: 얼굴 클로즈업, 상반신, 전신을 섞어 주세요. 클로즈업만 있으면 모델이 의상과 체형을 학습하기 어렵습니다.
• 표정: 생성 시 표정을 제어하고 싶다면 다양한 표정의 이미지를 넣어 주세요.
• 배경: 배경은 최대한 다양하게 구성하세요. 대부분의 이미지가 같은 배경이라면 배경까지 함께 학습됩니다.
• 화질: 선명하고 워터마크나 글자가 없는 이미지를 고르세요. 여러 컷이 이어진 이미지나 콘티는 한 장씩 잘라낸 뒤 추가해 주세요.
• 중복 피하기: 같은 이미지의 다른 크기 버전처럼 거의 동일한 이미지는 넣지 마세요. 중복된 이미지는 과도하게 학습됩니다.
• 캐릭터 디자인: 캐릭터는 같은 버전의 디자인만 사용하세요. 워터마크, 서명, 말풍선은 가능한 한 제거하고, 흐릿하거나 잘못 그려진 이미지는 빼고, 넓은 여백은 잘라내세요.

그림체 LoRA는 반대로 생각합니다. 인물, 장면, 소재는 최대한 다양하게 구성하고 그림체만 일관되게 유지하세요.

하나의 LoRA로 여러 캐릭터 학습하기

하나의 LoRA로 여러 캐릭터(예: 캐릭터 A와 캐릭터 B)를 동시에 학습시키고 싶다면, 이미지 세트에 세 종류의 이미지가 필요합니다. A만 있는 이미지, B만 있는 이미지, 그리고 A와 B가 함께 있는 이미지입니다. 단독 이미지만 있으면 모델이 한 화면에서 두 사람을 각각 구분해 그리기 어려워, 두 사람의 특징이 섞이는 결과가 흔히 나옵니다. 함께 있는 이미지만 있으면 한 사람만 따로 생성하기 어렵습니다. 세 종류의 이미지 수가 완전히 같을 필요는 없지만, 각 종류마다 충분한 수가 있어야 합니다(종류별 최소 10장, 종류별 수량은 가능한 한 비슷하게).

현재 LoRA 하나에는 트리거 단어를 하나만 설정할 수 있으므로, 각 캐릭터는 설명문 속 호칭으로 구분해야 합니다. 캐릭터마다 고정된 호칭을 정하고, 이미지 세트 전체에서 항상 같은 호칭을 사용하세요. 각 캐릭터의 변하지 않는 특징(예: 머리색, 눈동자 색) 역시 설명하지 않아야 그 특징이 각자의 호칭에 귀속됩니다. 함께 있는 이미지에서는 두 사람의 위치와 동작을 각각 설명해 주세요. 생성할 때 프롬프트에 해당 호칭을 적으면 어떤 캐릭터를 그릴지 지정할 수 있습니다.

파라미터 개요: 고급 학습과 kohya / sd-scripts 대응표

파라미터 설명

학습 스텝(학습 길이)

학습 스텝은 모델이 이미지를 학습하는 횟수를 결정합니다. 기본값은 325이며, 50–800 사이에서 5 단위로 조정할 수 있습니다. 화면 안내: 이미지 세트가 특별히 크거나 작지 않다면 325로 유지하면 됩니다.

고급 학습은 epoch와 repeats를 제공하지 않으며, 데이터셋의 모든 이미지가 뽑힐 확률은 같습니다. kohya의 설정 방식으로 환산하려면 다음 방법으로 이미지당 평균 학습 횟수를 추정할 수 있습니다:

이미지당 평균 학습 횟수 ≈ 학습 스텝 × 환산 계수 ÷ 이미지 수

• 올리면: 모델이 이미지의 특징을 더 깊이 학습하지만, 학습 이미지의 배경과 포즈까지 복제하기 시작할 수 있습니다. 학습 시간과 크레딧 소모량도 함께 늘어납니다.
• 내리면: 학습 시간은 짧아지지만, 필요한 특징을 학습하지 못할 수 있습니다.
• 500스텝을 넘으면 학습 시간이 길어진다는 안내가 화면에 표시되며, 일반적으로 넘기지 않는 것을 권장합니다.

학습률

학습률은 모델이 한 번 학습할 때의 조정 폭을 결정합니다. 기본값은 6e-4(0.0006)이며, 범위는 5e-5(0.00005)부터 1e-3(0.001)까지입니다. 고급 학습에는 학습률이 하나뿐이며 네트워크 전체에 적용되므로, kohya처럼 모듈별로 설정할 수 없습니다. 학습률은 크레딧 소모량에 영향을 주지 않습니다.

• 올리면: 학습 속도가 빨라지지만, 과하게 넘어서서 이미지가 불안정해질 수 있습니다.
• 내리면: 더 신중하게 학습하지만, 더 많은 스텝이 필요합니다.
• 화면 안내: 결과가 지저분하거나 과노출된 것처럼 보이면 학습률을 낮춰 주세요.

디테일 용량(Rank)

디테일 용량은 kohya의 network_dim에 해당하며, LoRA가 담을 수 있는 디테일의 양을 나타냅니다. 8 / 16 / 32 / 64 중에서 선택할 수 있고 기본값은 64입니다. 화면에는 순서대로 "매우 가벼움", "가벼움", "균형", "추천"으로 표시됩니다. Rank는 주로 파일 크기와 보존할 수 있는 디테일의 양에 영향을 주며, 학습 시간에는 거의 영향이 없고 크레딧 소모량에도 영향을 주지 않습니다.

• 올리면: 더 많은 디테일을 담을 수 있지만, 학습 이미지의 배경도 더 빨리 기억합니다.
• 내리면: 파일은 작아지지만, 복잡한 무늬나 액세서리를 학습하지 못할 수 있습니다.

Alpha

Alpha는 kohya의 network_alpha에 해당하며, 한 번의 학습 업데이트가 LoRA에 미치는 영향의 정도를 결정합니다. Rank와의 일관성을 유지하기 위해 Alpha는 Rank의 절반, 동일, 2배 중에서만 설정할 수 있으며, 화면에는 각각 "부드러움", "균형", "특징 강조"으로 표시되고 기본값은 Rank의 절반입니다. Rank를 변경하면 Alpha는 기존 단계(부드러움, 균형, 특징 강조)를 유지한 채 값만 자동으로 조정됩니다. Alpha는 크레딧 소모량에 영향을 주지 않습니다.

• 올리면: 학습 속도가 빨라지지만, 이미지 속 결점도 똑같이 빠르게 학습합니다.
• 내리면: 더 완만하게 학습하므로, 이미지가 적거나 스타일이 섞인 이미지 세트에 적합합니다.

실제 스케일은 Alpha와 Rank의 비율로 결정됩니다. Rank 64를 예로 들면 세 단계의 Alpha는 각각 32, 64, 128이고 비율은 0.5, 1, 2입니다. kohya에서 흔히 쓰는 alpha = 1은 Rank 64일 때 비율이 1/64에 불과합니다.

업데이트 안정도(Batch size)

업데이트 안정도는 kohya의 batch size에 해당합니다. 값이 클수록 한 번의 업데이트에서 참고하는 이미지가 많아지며, 1 / 2 / 4 중에서 선택할 수 있고 기본값은 2입니다. 학습 클러스터 리소스 제한으로 현재 더 큰 값은 제공하지 않습니다.

• 올리면: 학습이 더 안정적이며, 특이한 이미지 한 장이 미치는 영향이 줄어듭니다. 스텝당 처리하는 이미지가 두 배가 되어 학습 시간과 크레딧 소모량도 크게 늘어납니다.
• 내리면: 업데이트 반응이 더 뚜렷해지지만, 이미지 품질의 영향을 더 크게 받습니다.
• 화면 안내: 이미지 스타일이 크게 고르지 않은 경우가 아니라면 2로 유지하면 됩니다.

Batch size는 이미지당 학습 횟수에도 영향을 줍니다. 같은 스텝에서 Batch size를 2에서 4로 바꾸면 이미지당 평균 학습 횟수가 두 배가 되고 학습 시간도 그만큼 늘어납니다. 기존 학습량을 유지하려면 스텝을 절반으로 줄이면 됩니다.

트리거 단어

트리거 단어는 "기본 설정"에서 입력하며, 학습 시 모든 설명문 맨 앞에 자동으로 추가됩니다. 따라서 kohya처럼 폴더 이름이나 각 caption 파일에 적을 필요가 없습니다. 생성 시 프롬프트에 트리거 단어를 넣으면 해당 LoRA가 활성화됩니다. 학습을 제출한 후에는 트리거 단어를 변경할 수 없습니다. 최소 글자 수 제한은 없고 최대 256자이며, 연속된 공백을 넣을 수 없고 앞뒤에 공백을 둘 수 없습니다.

이미지 설명문(Caption)

이미지 설명문은 kohya의 caption 파일에 해당합니다. PixAI는 설명 모델로 각 이미지에 Danbooru 태그가 아닌 자연어 설명문을 생성합니다. 설명문은 먼저 자동 생성해야 한 장씩 수정할 수 있습니다. 수정한 내용은 별도로 저장되며, 필요하면 자동 설명으로 되돌릴 수 있습니다.

설명문은 각 이미지에 무엇이 있는지 모델에 알려 주는 역할을 합니다. 학습 시 트리거 단어는 모든 설명문 맨 앞에 붙습니다. 설명문에 적힌 내용은 모델이 프롬프트로 바꿀 수 있는 부분으로 간주하고, 설명문에 언급되지 않은 내용은 트리거 단어에 귀속되어 LoRA 자체의 일부가 됩니다. 따라서 LoRA에 고정하고 싶은 특징은 적지 말고, 생성 시 바꾸고 싶은 내용은 적어야 합니다. 화면에서 제공하는 작성 원칙은 다음과 같습니다:

1. 눈에 보이는 내용만 설명하고, 성격, 배경 스토리, 화면 밖의 것은 설명하지 마세요.
2. 나중에 바꿀 수 있는 요소(예: 의상)는 설명문에 적고, 서로 다른 의상을 입은 이미지도 함께 넣어 주세요.
3. 화면에 여러 인물이 있을 때는 누가 무엇을 하는지 명확히 설명하고, "그중 한 사람" 같은 표현은 피해 주세요.
4. 머리색, 눈동자 색, 상징적인 액세서리처럼 항상 변하지 않는 특징은 설명하지 마세요. 그래야 캐릭터 자체의 일부가 됩니다.
5. 같은 것은 이미지 세트 전체에서 같은 단어로 표현하세요. 예를 들어 "앉아 있음"으로 정했다면 항상 "앉아 있음"을 사용합니다.
6. 트리거 단어는 직접 입력할 필요가 없습니다. 시스템이 모든 설명문 맨 앞에 자동으로 추가합니다.

모든 이미지에 설명문이 있어야 다음 단계로 넘어갈 수 있습니다. 아직 설명문이 생성되지 않은 이미지가 있으면 먼저 설명문을 완성하라는 안내가 화면에 표시됩니다.

시스템이 결정하는 항목

다음 항목은 시스템이 결정하며 조정할 수 없습니다:

학습 해상도: 모델에 따라 결정되며 조정할 수 없습니다. 학습 이미지의 총 픽셀 수는 512×512(약 26.2만 픽셀) 이상이어야 하고, 가로세로 비율은 1:3에서 3:1 사이여야 합니다. 조건에 맞지 않는 이미지는 데이터셋에 추가할 수 없습니다.

판단 기준이 총 픽셀 수이므로, 한 변이 512보다 짧아도 조건을 충족할 수 있습니다. 예를 들어 400×700 이미지는 28만 픽셀이므로 추가할 수 있습니다. 1200×300 이미지는 픽셀 수는 충분하지만 가로세로 비율이 4:1이므로 추가할 수 없습니다.

이미지는 기기에서 업로드하거나, 생성 기록에서 선택하거나, 이전 학습에서 가져올 수 있으며, PNG, JPG, WebP 형식을 지원합니다. 학습 한 번에 최소 10장, 최대 100장이 필요합니다.

네트워크 유형: 표준 LoRA로 고정되며, LoCon, LoHa 등 LyCORIS 변형은 제공하지 않습니다.

비용과 학습 시간

자동 설명 생성과 학습은 별도로 과금되며, 비용은 크레딧으로 계산됩니다. 두 단계 모두 시작 전에 필요한 크레딧이 표시됩니다.

고급 학습은 크레딧을 두 번에 나누어 차감합니다:

1. 설명문 비용: "설명문" 단계에서 "자동 설명 생성"을 누를 때 지불합니다.
2. 학습 비용: "고급 매개변수" 단계에서 "학습 시작"을 누를 때, 화면에 표시된 견적에 따라 지불합니다.

예시:

• 첫 학습: 이미지 30장을 추가한 뒤 "자동 설명 생성"을 누르면 장수에 따른 설명문 비용에 더해 500 크레딧이 추가로 부과되며, 실제 금액은 시작 전에 표시됩니다. 설명문을 확인하고 파라미터를 설정한 뒤 "학습 시작"을 누르면, 화면의 견적에 따라 학습 비용(기본 설정 기준 약 70,000 크레딧)을 지불합니다.
• 이미지 추가: 설명문 생성이 끝난 뒤 5장을 더 추가하면 자동 설명 생성은 새로 추가한 5장만 처리하며, 장수에 따라 과금되고 500 크레딧이 다시 추가로 부과됩니다. 기존 30장은 중복 과금되지 않습니다.
• 일부 설명문 생성 실패: 2장의 설명문을 생성하지 못했다면, 설명문이 성공적으로 생성된 28장에 대해서만 장수에 따라 과금되며 추가 500 크레딧은 그대로 부과됩니다. 실패한 2장은 자동 설명 생성을 다시 실행할 수 있지만, 다시 실행할 때 500 크레딧이 한 번 더 추가로 부과됩니다.
• 학습 실패: 학습 비용은 청구되지 않지만, 이미 지불한 설명문 비용은 환불되지 않습니다. 학습 작업에서 "같은 설정으로 다시 시도"를 선택할 수 있습니다.
• 학습 취소: 대기 중에 취소하면 학습 비용은 전액 환불되지만, 이미 지불한 설명문 비용은 환불되지 않습니다. 작업은 초안으로 돌아가며, 계속 편집한 뒤 다시 제출할 수 있습니다.

학습 시간과 크레딧 소모량은 주로 학습 스텝과 업데이트 안정도(Batch size)에 따라 결정되며, 학습률, Rank, Alpha는 크레딧에 영향을 주지 않고 시간에도 거의 영향이 없습니다. 학습을 제출하면 작업은 먼저 대기열에 들어가며, 실제 완료 시간은 대기 상황에 따라 달라집니다.

고급 학습은 약 2~6시간이 걸립니다(대기 시간 제외). 학습이 진행되는 동안에는 이미지 세트가 잠깁니다. 학습에 실패하거나 대기 중에 학습을 취소하면 이미지 세트의 잠금이 해제됩니다.

학습이 일시 중지되면 시스템이 자동으로 재개하며, 추가 비용은 청구되지 않습니다.

학습 완료 후: 공개 및 관리

학습이 완료되면 "학습 작업"에서 "공개"를 눌러 주세요. 공개 후에는 모델 페이지의 "모델 편집"에서 언제든지 다음 설정을 조정할 수 있습니다.

공개 범위

• 비공개: 외부에 공개되지 않으며, 이후 언제든지 공개로 변경할 수 있습니다. 멤버만 LoRA를 비공개로 설정할 수 있으며, 비공개 LoRA의 수에는 한도가 있습니다. 남은 한도는 "모델 편집"의 공개 범위 설정에서 확인할 수 있습니다.
• 공개: 모든 사용자가 사용할 수 있습니다. 공개 후에는 비공개로 되돌릴 수 없습니다.

리베이트

"모델 편집"의 "리베이트 설정"에서 "리베이트 참여" 또는 "리베이트 미참여"를 선택할 수 있습니다. 참여하면 다른 사용자가 이 LoRA를 사용한 횟수에 따라 크레딧을 받습니다. 본인의 사용은 리베이트에 포함되지 않으므로, LoRA가 비공개로 설정되어 있으면 리베이트에 참여하더라도 크레딧을 받을 수 없습니다.

자세한 내용은 〈LoRA 리베이트 제도 업그레이드〉를 참고해 주세요.

다운로드와 상업적 이용

• Tsubaki.2와 Tsubaki.3는 모두 DiT 아키텍처(모델 페이지에서는 각각 DiT.2와 DiT.3로 표시)이므로, 학습이 완료된 LoRA는 다운로드할 수 없으며 PixAI에서 직접 사용하는 것만 가능합니다.
• "모델 편집"의 "권한"에서 이 LoRA로 생성한 이미지를 다른 사람이 상업적으로 이용하도록 허용할지 선택할 수 있습니다.

모델 정보

모델 이름, 태그, 설명, 커버는 "모델 편집"에서 언제든지 수정할 수 있지만, LoRA 카테고리와 기본 모델은 변경할 수 없습니다. 학습 설정과 최종 이미지 설명문은 모델과 함께 저장되어 나중에 다시 확인할 수 있으며, 다른 사용자가 내 LoRA를 찾는 데에도 도움이 됩니다.

자주 묻는 질문

왜 epoch와 repeats가 없나요?

고급 학습은 총 스텝 수(학습 스텝)로 계산하며, 데이터셋의 모든 이미지가 뽑힐 확률은 같습니다. 환산 방법은 "학습 스텝" 섹션을 참고해 주세요.

Alpha에 왜 1을 입력할 수 없나요?

Alpha는 Rank의 절반, 동일, 2배 중에서만 설정할 수 있습니다. 실제 스케일은 Alpha와 Rank의 비율로 결정됩니다.

Batch size는 왜 1 / 2 / 4뿐인가요?

학습 클러스터 리소스 제한 때문입니다. Batch size가 클수록 업데이트가 안정적이지만, 스텝마다 처리해야 하는 이미지가 많아져 학습 시간과 크레딧 소모량도 그만큼 늘어납니다. 대부분의 경우 기본값 2로 유지하면 됩니다.

자동 설명 생성을 건너뛰고 직접 작성한 caption을 사용할 수 있나요?

현재는 지원하지 않습니다. 모든 이미지는 먼저 설명문을 자동 생성해야 그 후에 수정할 수 있으며, 기존 caption 파일을 가져오는 기능도 현재 제공하지 않습니다.

트리거 단어를 모든 설명문에 적어야 하나요?

필요 없습니다. 트리거 단어는 모든 설명문 맨 앞에 자동으로 추가되므로, 기본 설정에서 한 번만 입력하면 됩니다. 생성 시 프롬프트에 트리거 단어를 넣으면 활성화됩니다.

Rank를 64로 설정하면 학습이 많이 느려지나요?

영향은 아주 작으며, 크레딧 소모량도 늘어나지 않습니다. 학습 시간과 비용은 주로 학습 스텝과 Batch size에 따라 결정되고, Rank는 주로 파일 크기와 보존할 수 있는 디테일의 양에 영향을 줍니다.

학습이 시작된 후에도 기본 모델을 변경할 수 있나요?

변경할 수 없습니다. 학습이 시작되면 기본 설정은 고정되므로, 변경하려면 학습을 새로 만들어야 합니다. 학습이 시작되기 전에는 언제든 수정할 수 있습니다. 제출 전에는 바로 돌아가서 수정할 수 있고, 제출 후에도 아직 대기 중이라면 학습을 취소해 작업을 초안으로 되돌린 뒤 수정할 수 있습니다.

학습을 제출한 후에도 취소할 수 있나요?

학습이 시작되기 전(대기 중)에는 가능하지만, 학습이 시작되면 취소할 수 없습니다. 학습 작업에서 취소하면 학습 비용은 전액 환불되지만, 이미 지불한 설명문 비용은 환불되지 않습니다. 작업은 초안으로 돌아가며, 이미지, 설명문, 기본 설정(기본 모델 포함)을 계속 수정한 뒤 다시 제출할 수 있습니다.

학습한 LoRA를 다운로드할 수 있나요?

현재는 불가능합니다. Tsubaki.2와 Tsubaki.3는 모두 DiT 아키텍처이므로, 학습이 완료된 LoRA는 PixAI에서만 사용할 수 있습니다.

학습 시작 전 체크리스트

학습을 시작하기 전에 다음 항목을 확인해 주세요:

• 이미지: 각 이미지의 총 픽셀 수가 512×512 이상이고, 가로세로 비율이 1:3에서 3:1 사이이며, 형식은 PNG, JPG 또는 WebP입니다. 이미지 수는 10~100장입니다.
• 이미지 내용: 앵글, 동작, 구도에 충분한 변화가 있고, 여러 컷이 이어진 이미지나 거의 중복된 이미지가 없습니다. 하나의 LoRA로 여러 캐릭터를 학습한다면 각 캐릭터의 단독 이미지와 함께 있는 이미지를 모두 포함했습니다.
• 기본 설정: LoRA 이름, 카테고리, 기본 모델, 트리거 단어를 모두 확인했습니다. 학습을 제출한 후에는 변경할 수 없습니다.
• 이미지 설명문: 한 장씩 확인했으며, 눈에 보이고 변할 수 있는 내용만 설명하고 같은 것은 같은 단어로 표현했습니다. 모든 이미지에 설명문이 있습니다("설명문 없음"이 0). 그렇지 않으면 다음 단계로 넘어갈 수 없습니다.
• 파라미터: 특별한 요구 사항이 없다면 기본값(325스텝, 학습률 6e-4, Rank 64, Alpha 32, Batch size 2)을 사용하세요.
• 비용과 시간: 화면에 표시된 견적과 예상 시간을 확인했습니다. 제출 후에는 대기 중에만 취소할 수 있으며(학습 비용은 환불, 설명문 비용은 환불 불가), 학습이 시작되면 취소할 수 없습니다.

학습이 완료된 후 생성 시 LoRA를 적용하고 Weight를 설정하는 방법은 LoRA 사용법과 LoRA Weight 설정 가이드를 참고해 주세요.

▸ 지금 고급 학습 시작하기