LoRA 進階訓練

PixAI 進階訓練（Advanced）適合需要更細緻控制 LoRA 訓練結果的使用者。您可以逐張檢查並修改圖片描述，並自行設定訓練 Step、學習率、細節容量（Rank）、Alpha 與 Batch size；所有參數的預設值皆與基礎訓練相同。

若您熟悉 kohya / sd-scripts等社群LoRA訓練工具，請先留意三項差異：進階訓練以總步數計算訓練量，不提供 epoch 與 repeats；Alpha 只能設為 Rank 的一半、相同或兩倍；圖片描述由 PixAI 自動產生後，再由您逐張修改。

您可以在另一個分頁開啟進階訓練，對照本指南進行設定：

▸ 開啟 PixAI 進階訓練

重點摘要

• 訓練量以總步數計算：「訓練 Step」可設定為 50–800，預設 325，不提供 epoch 與 repeats。
• 學習率只有一個：預設 6e-4，作用於整個網路，無法分模組設定。
• Alpha 共有三個檔位：只能設為 Rank 的一半、相同或兩倍，預設為 Rank 的一半；點數消耗主要取決於訓練 Step 與更新平滑度（Batch size）；學習率、細節容量（Rank）與 Alpha 不影響點數。
• 圖片描述須先自動產生：描述為自然語言，而非 Danbooru 標籤；產生後可逐張修改。
• 觸發詞會自動加入每段描述的開頭：在第一個步驟「基本設定」中填寫後，系統會自動將觸發詞加入每張圖片的描述，無須逐張手動加入。
• 自動描述與訓練分開計費：已有描述的圖片不會重複計費；訓練失敗時，訓練本身不收取費用；刪掉已有描述的圖片不會退費。

訓練流程

進階訓練分為三個步驟：基本設定、描述、進階參數。整體順序與社群常用的 LoRA 訓練流程相近，主要差異在於圖片描述（caption）由 PixAI 產生，且部分設定在訓練建立後即無法變更。

描述會自動儲存；如中途離開頁面，可從訓練任務繼續。自動描述、排隊及訓練進行期間，您都可以關閉頁面。

與 kohya 的使用習慣相比，有以下兩點不同：

• 自動描述為獨立的計費階段：每次對尚未描述的圖片執行自動描述，費用為100 × 本次描述張數 + 500點數，並在開始前顯示，描述產生後可逐張修改；已完成自動描述的圖片，即使之後刪除，也不會退還點數。
• 已有描述的圖片不會重複計費：自動描述只會處理尚未產生描述的圖片；之後追加圖片時，僅針對新增的部分計費。

準備圖片

圖片集決定 LoRA 能學到什麼。挑選圖片時，請讓希望 LoRA 記住的特徵在每張圖中保持一致，其餘內容則盡量多樣，模型才能分辨哪些是 LoRA 本身、哪些只是偶然出現的內容。以角色 LoRA 為例：

• 角度：包含正面、側面、背面，以及俯視、仰視等不同視角。只有正面的圖片集，生成側面或背面時容易走樣。
• 動作與姿勢：涵蓋站、坐、走動、伸手等不同姿勢。若整組圖片都是同一個姿勢，LoRA 會傾向固定在該姿勢。
• 構圖與距離：混合臉部特寫、半身與全身。只有特寫時，模型較難學到服裝與體型。
• 表情：若希望生成時能控制表情，請放入不同表情的圖片。
• 背景：背景盡量多樣。若大部分圖片都使用同一個背景，背景也會被一併學入。
• 畫質：選擇清晰、沒有浮水印與文字的圖片。多格拼圖或分鏡圖請先裁切成單張再加入。
• 避免重複：不要放入幾乎相同的圖片，例如同一張圖的不同尺寸版本，重複的圖片會被過度學習。
• 角色設計：角色只使用同一版本的設計；盡量去除水印、簽名、對話框；去掉模糊或畫錯的圖；裁掉大片留白。

畫風 LoRA 的思路相反：人物、場景與題材盡量多樣，只讓畫風保持一致。

一個 LoRA 學習多個角色

若希望一個 LoRA 同時學習多個角色，例如角色 A 與角色 B，圖片集需包含三類圖片：只有 A 的圖片、只有 B 的圖片，以及 A 與 B 同框的圖片。只有單人圖片時，模型不容易在同一畫面中分別畫出兩人，常見的結果是兩人的特徵混在一起；只有同框圖片時，則難以單獨生成其中一人。三類圖片的張數不必完全相同，但每一類都應有足夠的數量（每類至少 10 張，各類數量盡量接近）。

目前每個 LoRA 只能設定一個觸發詞，各角色需以描述中的稱呼區分。請為每個角色選定固定的稱呼，並在整組圖片中一律使用同一個稱呼；各角色始終不變的特徵（例如髮色、瞳色）同樣不需描述，讓這些特徵歸入各自的稱呼。同框圖片中，請分別說明兩人的位置與動作。生成時，於提示詞中寫出對應的稱呼，即可指定要畫出哪個角色。

參數總覽：進階訓練與 kohya / sd-scripts 對照

參數說明

訓練 Step（訓練長度）

訓練 Step 決定模型學習圖片的次數，預設為 325，可在 50–800 之間以 5 為單位調整。介面建議：除非圖片集特別大或特別小，否則維持 325 即可。

進階訓練不提供 epoch 與 repeats，資料集中每張圖片被抽到的機率相同。若需換算為 kohya 的設定習慣，可使用以下方式估算每張圖片的平均訓練次數：

每張圖片平均訓練次數 ≈ 訓練 Step × 換算係數 ÷ 圖片張數

• 調高：模型會更深入地學習畫面特徵，但也可能開始複製訓練圖片的背景與姿勢。訓練時間與點數消耗也會隨之增加。
• 調低：訓練時間較短，但可能無法學到所需的特徵。
• 超過 500 Step 時，介面會提示訓練時間較長，一般不建議超過。

學習率

學習率決定模型每次學習時的調整幅度，預設為 6e-4（0.0006），範圍為 5e-5（0.00005）至 1e-3（0.001）。進階訓練僅有一個學習率，作用於整個網路，無法如 kohya 般分模組設定。學習率不影響點數消耗。

• 調高：學習速度較快，但可能過衝，導致畫面不穩定。
• 調低：學習較為謹慎，但需要更多 Step。
• 介面建議：若結果看起來雜亂或過曝，請調低學習率。

細節容量（Rank）

細節容量對應 kohya 的 network_dim，代表 LoRA 可承載的細節量，可選 8 / 16 / 32 / 64，預設為 64。介面上的標示依序為「很輕」「較輕」「均衡」「推薦」。Rank 主要影響檔案大小與可保留的細節量，對訓練時間的影響很小，也不影響點數消耗。

• 調高：可容納更多細節，但也會更快記住訓練圖片的背景。
• 調低：檔案較小，但可能無法學會複雜的花紋與飾品。

Alpha

Alpha 對應 kohya 的 network_alpha，決定每次訓練更新對 LoRA 的影響程度。為了與 Rank 保持一致，Alpha 只能設為 Rank 的一半、相同或兩倍，介面上分別標示為「柔和」「平衡」「銳利」，預設為 Rank 的一半。變更 Rank 時，Alpha 會維持原本的檔位（柔和、平衡或銳利），數值隨之自動調整。Alpha 不影響點數消耗。

• 調高：學習速度較快，但也會同樣快速地學到圖片中的瑕疵。
• 調低：學習較為溫和，適合圖片較少或風格混雜的圖片集。

實際縮放由 Alpha 與 Rank 的比值決定。以 Rank 64 為例，三個檔位的 Alpha 分別為 32、64、128，比值為 0.5、1、2；kohya 常見的 alpha = 1，在 Rank 64 時比值僅為 1/64。

更新平滑度（Batch size）

更新平滑度對應 kohya 的 batch size。數值越大，每次更新參考的圖片越多，可選 1 / 2 / 4，預設為 2。受訓練叢集資源限制，目前不開放更大的數值。

• 調高：訓練較為平穩，個別異常圖片的影響較小。每步處理的圖片加倍，訓練時間與點數消耗也會明顯增加。
• 調低：更新較為銳利，但對圖片品質較敏感。
• 介面建議：除非圖片風格不太一致，否則維持 2 即可。

Batch size 也會影響每張圖片的訓練次數。在相同 Step 下，將 Batch size 從 2 改為 4，每張圖片的平均訓練次數會加倍，訓練時間也會隨之增加；如需維持原本的訓練量，可將 Step 減半。

觸發詞

觸發詞於「基本設定」中填寫，訓練時會自動加入每段描述的開頭，因此無須如 kohya 般寫入資料夾名稱或每個 caption 檔。生成時，於提示詞中加入觸發詞即可啟用該 LoRA。送出訓練後，觸發詞即無法變更。無最少字元限制，上限 256 個字元；不可有連續空格，開頭與結尾不可為空格。

圖片描述（Caption）

圖片描述對應 kohya 的 caption 檔。PixAI 會以描述模型為每張圖片產生自然語言描述，而非 Danbooru 標籤。描述須先自動產生，才能逐張修改；修改後的內容會另行保存，必要時可還原為自動描述。

描述的作用是告訴模型每張圖片中有哪些內容。訓練時，觸發詞會加在每段描述的開頭：描述中寫出的內容，模型會視為可以用提示詞改變的部分；描述中未提及的內容，則會歸入觸發詞，成為 LoRA 本身的一部分。因此，希望 LoRA 固定下來的特徵不要寫，希望生成時可以替換的內容要寫。介面提供的撰寫原則如下：

1. 僅描述看得見的內容，不描述個性、背景故事或畫面以外的事物。
2. 之後可能需要替換的元素應寫出，例如服裝，並放入穿著不同服裝的圖片。
3. 畫面中有多個人物時，請清楚說明誰在做什麼，避免使用「其中一個人」等說法。
4. 始終不變的特徵不需描述，例如髮色、瞳色與標誌性配件，使其成為角色本身的一部分。
5. 同一件事在整組圖片中使用同一個詞，例如選定「坐著」後，即一律使用「坐著」。
6. 無須自行填寫觸發詞，系統會自動加入每段描述的開頭。

所有圖片都需有描述，才能進入下一步；若仍有圖片尚未產生描述，介面會提示您先完成描述。

由系統決定的項目

下列項目由系統決定，無法調整：

訓練解析度：由模型決定，不開放調整。訓練圖片的總像素須不少於 512×512（約 26.2 萬像素），長寬比須介於 1:3 至 3:1 之間，不符合條件的圖片無法加入資料集。

由於判斷依據為總像素，即使有一邊短於 512，也可能符合條件：例如 400×700 的圖片為 28 萬像素，可以加入；1200×300 的圖片像素數雖然足夠，但長寬比為 4:1，因此無法加入。

圖片可從裝置上傳、從生成紀錄選取或從過往訓練匯入，支援 PNG、JPG 與 WebP 格式。每次訓練至少10張、最多 100 張。

網路類型：固定為標準 LoRA，不提供 LoCon、LoHa 等 LyCORIS 變體。

費用與訓練時間

自動描述與訓練分開計費，費用以點數計算，兩者皆會在開始前顯示所需點數。

進階訓練會分兩次扣除點數：

1. 描述費用：在「描述」步驟按下「自動描述」時支付。
2. 訓練費用：在「進階參數」步驟按下「開始訓練」時，依介面顯示的報價支付。

舉例說明：

• 首次訓練：加入 30 張圖片後按下「自動描述」，依張數支付描述費用，並額外收取 500 點數，實際金額會在開始前顯示。檢查完描述、設定好參數後，按下「開始訓練」時，再依介面報價支付訓練費用（預設設定約 70,000 點數）。
• 追加圖片：描述完成後再加入 5 張，自動描述僅處理新增的 5 張，依張數計費，並再次額外收取 500 點數；原有的 30 張不會重複計費。
• 部分描述失敗：若有 2 張無法產生描述，僅針對成功產生描述的 28 張依張數計費，額外的 500 點數照常收取；失敗的 2 張可再次執行自動描述，但重新執行時會再額外收取 500 點數。
• 訓練失敗：不收取訓練費用，但已支付的描述費用不予退還；可於訓練任務中選擇「用相同設定重試」。
• 取消訓練：在排隊期間取消，訓練費用全額退還，已支付的描述費用不予退還；任務變回草稿，可繼續編輯後重新送出。

訓練時間與點數消耗主要取決於訓練 Step 與更新平滑度（Batch size）；學習率、Rank 與 Alpha 不影響點數，對時間的影響也很小。送出訓練後，任務須先排隊，實際完成時間依排隊狀況而定。

進階訓練約需 2 至 6 小時（不含排隊時間）。訓練進行期間，圖片集將被鎖定；若訓練失敗，或在排隊期間取消訓練，圖片集會解除鎖定。

訓練暫停時系統會自動恢復，不會額外收費。

訓練完成後：發布與管理

訓練完成後，請於「訓練任務」中按下「發布」。發布後，可隨時從模型頁的「編輯模型」調整下列設定。

可見範圍

• 私人：不對外公開，之後可隨時改為公開。僅會員可將 LoRA 設為私人，且私人 LoRA 的數量有上限，剩餘名額可於「編輯模型」的可見範圍設定中查看。
• 公開：所有使用者皆可使用。公開後無法改回私人。

回饋

可於「編輯模型」的「回饋設定」中選擇「參與回饋」或「不參與回饋」。參與後，依其他使用者使用此 LoRA 的次數獲得點數；您本人的使用不計入回饋，因此 LoRA 設為私人時，即使參與回饋也不會獲得點數。

詳細說明請參考〈LoRA 返利機制升級〉。

下載與商用

• Tsubaki.2 與 Tsubaki.3 皆屬於 DiT 架構（模型頁分別顯示為 DiT.2 與 DiT.3），訓練完成的 LoRA 不提供下載，可以且僅可以直接在 PixAI 上使用。
• 可於「編輯模型」的「許可權」中選擇是否允許他人將以此 LoRA 生成的圖片用於商業用途。

模型資訊

模型名稱、標籤、說明與封面可隨時於「編輯模型」中修改；LoRA 類型與基礎模型無法變更。訓練設定與最終圖片描述會與模型一併儲存，方便日後查看，也有助於其他使用者找到您的 LoRA。

常見問題

為什麼沒有 epoch 和 repeats？

進階訓練以總步數（訓練 Step）計算，資料集中每張圖片被抽到的機率相同。換算方式請參考「訓練 Step」一節。

Alpha 為什麼不能填 1？

Alpha 只能設為 Rank 的一半、相同或兩倍。實際縮放由 Alpha 與 Rank 的比值決定。

Batch size 為什麼只有 1 / 2 / 4？

受訓練叢集資源限制。Batch size 越大，更新越平穩，但每一步需處理的圖片越多，訓練時間與點數消耗也會相應增加；多數情況下維持預設值 2 即可。

可以跳過自動描述，直接使用自己的 caption 嗎？

目前不支援。每張圖片都須先自動產生描述，之後才能修改；目前也不提供匯入既有 caption 檔的功能。

觸發詞需要寫進每段描述嗎？

不需要。觸發詞會自動加入每段描述的開頭，只需於基本設定中填寫一次。生成時於提示詞中加入觸發詞即可啟用。

Rank 設為 64 會讓訓練變慢很多嗎？

影響很小，也不會增加點數消耗。訓練時間與費用主要取決於訓練 Step 與 Batch size，Rank 主要影響檔案大小與可保留的細節量。

訓練開始後，還能變更基礎模型嗎？

無法變更。一旦開始訓練，基本設定即固定；如需變更，請重新建立訓練。開始訓練前都還能修改：送出前可直接返回修改，送出後若仍在排隊，可先取消訓練，任務會變回草稿，再返回修改。

送出訓練後還能取消嗎？

訓練開始前（排隊中）可以；一旦開始訓練就無法取消。在訓練任務中取消後，訓練費用會全額退還，已支付的描述費用不予退還。任務會變回草稿，圖片、描述與基本設定（包括基礎模型）都可以繼續修改後重新送出。

可以下載訓練好的 LoRA 嗎？

目前不行。Tsubaki.2 與 Tsubaki.3 皆屬於 DiT 架構，訓練完成的 LoRA 僅能在 PixAI 上使用。

開始訓練前的檢查清單

開始訓練前，請確認以下項目：

• 圖片：每張總像素不少於 512×512，長寬比介於 1:3 至 3:1，格式為 PNG、JPG 或 WebP；張數 10 至 100 張。
• 圖片內容：角度、動作與構圖有足夠變化，沒有多格拼圖或近乎重複的圖片；若一個 LoRA 要學習多個角色，已包含各角色單獨出現與同框的圖片。
• 基本設定：LoRA 名稱、類型、基礎模型與觸發詞皆已確認，送出訓練後無法變更。
• 圖片描述：已逐張檢查，僅描述看得見且會變化的內容，同一件事使用同一個詞。所有圖片皆已有描述（「尚未描述」為 0），否則無法進入下一步。
• 參數：無特定需求時，請使用預設值（325 Step、學習率 6e-4、Rank 64、Alpha 32、Batch size 2）。
• 費用與時間：已確認介面顯示的報價與預估時間。送出後僅能在排隊期間取消（訓練費用退還，描述費用不退），開始訓練後即無法取消。

訓練完成後，生成時如何套用 LoRA 及設定權重，請參考 LoRA 使用教學 與 LoRA 權重設定指南。

▸ 立即開始進階訓練