> ## 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.

> Latih gaya Krea kustom: kurasi dan unggah gambar, atur model, steps, learning rate, dan batch size, lalu uji batas gaya atau lakukan training ulang.

# Cara melatih style kustom yang hebat di Krea

# Melatih Gaya yang Luar Biasa Keren

Kalau Anda pengguna Krea, Anda pasti sudah jago menulis prompt teks. Anda mungkin juga sudah pernah melatih LoRA. Tapi apa yang membuat sebuah model kustom jadi **hebat**?

**3 Langkah Kunci Krea untuk Training:**

1. **Kurasi**&#x20;

* Anda butuh gambar kelas atas - kualitas tinggi, kohesi tinggi. Anda adalah *kuratornya* dan Krea adalah galeri Anda.

2. **Penyempurnaan**&#x20;

* Krea membuat penyesuaian semua spesifikasi teknis jadi super mudah - model dasar, langkah training, dan lainnya. Sempurnakan sesuka hati Anda.

3. **Alkimia**&#x20;

* Biar jelas: **Style Training** adalah seni tersendiri, bukan ilmu pasti. Kalau hasil training Anda tidak sesuai harapan, jangan panik. Ini adalah proses coba-coba untuk menciptakan sesuatu yang *ajaib.* Iterasi, iterasi, iterasi!

<sub>Prompt: </sub>*<sub>Seorang alkemis di laboratoriumnya sedang menyuling ramuan, abstrak.</sub>*<sub> Dibuat menggunakan gaya kustom dengan model Krea 1. </sub>

## 1. Kurasi&#x20;

### Mengunggah

Dari [Krea.ai](http://www.krea.ai/), klik ikon **Home**, lalu di bawah assets klik [**Train**](https://www.krea.ai/train). Atau cukup scroll ke bawah.

![IMG 4891 Jpe](https://mintcdn.com/krea/v4jyq0_ESYgDxDVC/images/IMG_4891.jpeg?fit=max\&auto=format\&n=v4jyq0_ESYgDxDVC\&q=85\&s=2dac5799f2d3f9554e4adfa84daa5d25)

Pilih antara model **Image** atau **Video**. Model **Video** dapat melatih gambar diam sekaligus klip video. Nantinya Anda bisa menggunakan ulang data training untuk jenis model yang berbeda.

![IMG 4893 Jpe](https://mintcdn.com/krea/v4jyq0_ESYgDxDVC/images/IMG_4893.jpeg?fit=max\&auto=format\&n=v4jyq0_ESYgDxDVC\&q=85\&s=b5ab07cccba1f7c8e235841f3f7bb6f5)

Unggah minimal 3, atau sebanyak 2000 gambar (game dev, kami lihat kalian ).

Meskipun lebih banyak gambar itu membantu, lebih baik punya 20 gambar berkualitas tinggi yang benar-benar *kohesif* daripada 2000 gambar yang *biasa-biasa saja*. Secara umum, **kualitas > kuantitas** (selama Anda punya *setidaknya 5-10* gambar). Perbesar dataset hanya jika Anda bisa mempertahankan standar tinggi.

> [!TIP]
>
> Ingat: gambar-gambar ini harus beresolusi setinggi mungkin. Gambar beresolusi rendah bisa membuat output keruh dan menimbulkan artefak.

### Jenis Dataset

**Karakter**&#x20;

* Anda bisa melatih model untuk memahami karakter gambar atau render tertentu (*ilustrasi, concept art, animasi, video game*, dll.). Juga untuk melatih wajah orang sungguhan (tentu saja dengan persetujuan).

![IMG 4888 Pn](https://mintcdn.com/krea/FfY_yHsciZMlHvl8/images/IMG_4888.png?fit=max\&auto=format\&n=FfY_yHsciZMlHvl8\&q=85\&s=0c1e73715986bf23ca4e66ad01a37503)

Data karakter (kanan) dan karakter yang dihasilkan gaya (kiri) memiliki detail yang konsisten.

* Gunakan sebanyak mungkin gambar karakter Anda dengan **pakaian yang persis sama** agar konsisten. Variasi pose, sudut, dan aksi sangat ideal.
  * *Animator* dan *concept artist* - alur kerja ini super mirip dengan membuat character sheet.

> [!TIP]
>
> Data training dengan pakaian berbeda bisa lebih berguna untuk model realistis berbasis satu orang. Kalau Anda berencana menghasilkan gambar di mana karakter Anda memakai pakaian berbeda, unggah berbagai variasi tampilan.

**Objek**&#x20;

* Prinsipnya sama seperti training karakter - objek yang persis sama, banyak sudut, closeup untuk detail dan wide shot untuk konteks.
  * Kalau Anda seorang *desainer produk* atau bekerja di *e-commerce*, unggah saja sebanyak mungkin foto produk unik yang Anda punya.
  * Latar belakang kosong atau transparan bisa membantu, tapi tidak wajib, selama objek menjadi fokus utama gambar.

![IMG 4887 Pn](https://mintcdn.com/krea/43ShqEKkWY1bpTnL/images/IMG_4887.png?fit=max\&auto=format\&n=43ShqEKkWY1bpTnL\&q=85\&s=927ed3ee709e39fbcc200f917c480ef0)

Objek yang sama, sudut berbeda, latar belakang kosong. Ini data training yang bagus.

* Kalau ADA satu saja gambar Anda yang menampilkan objek atau produk yang sedikit berbeda, ini akan membingungkan model dan membuat hasilnya keruh.

> [!NOTE]
>
> Kalau ada teks pada produk, gaya mungkin tidak bisa mereplikasinya kecuali Anda punya banyak sekali gambar training dengan closeup pada teks tersebut. Kalau tidak, bersiaplah menghadapi artefak.

**Estetika**&#x20;

* Di sini Anda bisa punya dataset yang lebih santai dan kreatif. Estetika atau material karyanya harus persis sama - tapi subjeknya bisa dan seharusnya sangat beragam.
  * *Lukisan cat minyak, anime, krom cair, marmer, low poly* - tampilan atau medium apa pun yang autentik.

![IMG 4889 Pn](https://mintcdn.com/krea/FfY_yHsciZMlHvl8/images/IMG_4889.png?fit=max\&auto=format\&n=FfY_yHsciZMlHvl8\&q=85\&s=2acb311fe8a047b52a84c5316c4392b3)

<sub>Sampel dari dataset Low Poly ini berisi karakter </sub>*<sub>dan</sub>*<sub> latar belakang yang unik. </sub>

![IMG 4846 Pn](https://mintcdn.com/krea/T2JoEsYog1GgBCI4/images/IMG_4846.png?fit=max\&auto=format\&n=T2JoEsYog1GgBCI4\&q=85\&s=2b10b6b7c3755d0d7a90bc8a9c67ee19)

Gambar hasil generate dari gaya Low Poly ini menciptakan subjek dan komposisi yang benar-benar baru.

* Keragaman yang luas mencegah gaya overfitting pada satu subjek tertentu, sehingga gaya bisa benar-benar inventif.

> [!TIP]
>
> Gaya estetika adalah tempat kemampuan kurasi Anda benar-benar bisa bersinar. Bersenang-senanglah dan bereksperimen. *Lepaskan imajinasi Anda*.

## 2. Penyempurnaan&#x20;

Sekarang saatnya menyesuaikan parameter teknis. Krea akan memberi nama **Custom Style** Anda dan menetapkan **trigger word** untuk digunakan saat prompting (ubah jika perlu).

Anda juga bisa mengecek meter untuk jumlah gambar dan resolusi rata-rata. Sejauh ini aman.

### Model

* Kekuatan super Krea adalah menjalankan beragam model generasi gambar dan video teratas.
* Setiap model punya keunggulannya sendiri untuk dipilih, tapi semuanya layak dicoba. Ringkasan singkat:

| Model | Jenis | Waktu Gen. | Keunggulan | Kasus Penggunaan |
| :- | :- | - | - | - |
| Krea 1 | Gambar | 8 dtk. | Fotorealisme, sangat estetis | Desain Grafis, Arsitektur, Produk, Aset Pemasaran |
| Flux | Gambar | 5 dtk. | Fotorealisme, kepatuhan prompt tinggi, presisi anatomi | Concept Art, Desain Grafis, Desain Instruksional, Aset Pemasaran |
| Flux Realtime | Gambar | 1 mnt. | Beradaptasi secara realtime terhadap edit, kepatuhan prompt tinggi | Prototyping, Konten Sosial, E-Commerce |
| Wan 2.1 | Video | 1 mnt. | Gerakan natural, konsistensi adegan tinggi | Pemasaran, Konten Sosial, Aset Edukasi |
| Wan 2.2 | Gambar | 20 dtk. | Render ultra realistis, sangat estetis | Aset animasi, Upscaling, Concept Art, Konten Sosial |
| Qwen | Gambar | 15 dtk. | Generasi teks hebat, kepatuhan prompt | Aset Teks, E-Commerce, Desain Teknis, Concept Art |

> [!TIP]
>
> Ingat: model yang Anda gunakan untuk training adalah satu-satunya model yang bisa dipakai gaya kustom Anda untuk generate.

### Steps

* Steps lebih banyak = lebih banyak waktu untuk mempelajari data. Tapi juga bisa menghabiskan banyak compute dan menyebabkan *overfitting*, di mana gaya hanya memuntahkan ulang gambar training. Nilai awal yang bagus adalah *jumlah gambar* x *20*.

![IMG 4896 Jpe](https://mintcdn.com/krea/MGcb6aU7EwcokMWZ/images/IMG_4896.jpeg?fit=max\&auto=format\&n=MGcb6aU7EwcokMWZ\&q=85\&s=5be0c9f6ad24935d83af31bf8f4df277)

> [!NOTE]
>
> Default: 250.

### Learning Rate

* Learning rate yang lebih tinggi bisa membuat training lebih cepat, tapi juga bisa membuat gaya overfitting pada data. Learning rate yang rendah akan butuh waktu training lebih lama.

![IMG 4897 Jpe](https://mintcdn.com/krea/MGcb6aU7EwcokMWZ/images/IMG_4897.jpeg?fit=max\&auto=format\&n=MGcb6aU7EwcokMWZ\&q=85\&s=acdd24551adb305ac23b7d11b75a7a12)

> [!NOTE]
>
> Default: 0.004 (4e-3)

### Batch Size

* Batch size yang lebih besar bisa mempercepat training, tapi juga menghasilkan hasil yang generik. Menyesuaikan **Batch Size** dan **Learning Rate** secara proporsional sangat disarankan. Untuk dataset kecil, tetap gunakan nilai default kami.

![IMG 4895 Jpe](https://mintcdn.com/krea/_nXL3Rtd1l6u8jnO/images/IMG_4895.jpeg?fit=max\&auto=format\&n=_nXL3Rtd1l6u8jnO\&q=85\&s=65b9ecc38a4ff06178d4f5b3f3b49912)

> [!NOTE]
>
> Default: 1

## 3. Alkimia&#x20;

Setelah gaya selesai dilatih, saatnya bereksperimen. Para dewa prompt - *di sinilah kalian unjuk gigi.*

### Uji Batas Gaya:

* Lakukan lebih dari yang diharapkan. Temukan kekuatan dan kekurangannya. Temukan dan dokumentasikan kapan gaya menghasilkan hasil yang hebat, dan kapan tidak.
  * **Jika output overfit pada gaya, pertimbangkan:**
    * Mendiversifikasi data training
    * Menurunkan learning rate
  * **Jika output terlalu bervariasi, pertimbangkan:**
    * Menambahkan lebih banyak gambar ke dataset
    * Menghapus gambar yang lemah atau terlalu beragam dari dataset
    * Menaikkan learning rate

> [!TIP]
>
> Ingat: Krea menyimpan setiap set data style training. Cukup gunakan ulang datanya kapan pun Anda perlu menyempurnakan sebuah gaya.

Berdasarkan sampel generasi yang sangat mirip ini, gaya ini mungkin overfit. Coba lagi.

### Training Ulang

* **Coba model lain**
  * Satu model mungkin lebih baik dari yang lain dalam menangkap gaya Anda. Coba-coba saja, itulah gunanya Krea. Lihat tabel model di atas kalau Anda ragu.
* **Gabungkan dataset**
  * Menggabungkan dua dataset atau lebih bisa menciptakan estetika yang benar-benar unik. Saat buntu atau frustrasi dengan keterbatasan sebuah gaya, beri ia napas baru.
* **Terus Bereksperimen**
  * Tambah atau kurangi jumlah gambar.
  * Pastikan semua gambar Anda beresolusi tinggi.
  * Utak-atik pengaturan fine tuning Krea.

## Terus Berkarya&#x20;

Krea punya semua yang Anda butuhkan untuk membuat gaya kustom yang keren abis. Tunjukkan karya Anda dengan membuat gaya Anda publik di [Krea.ai](https://www.krea.ai/app) atau bagikan dan bangun komunitas di [Discord](https://discord.com/invite/rJurUAR8Kz) kami.&#x20;


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.