Skip to main content

Обзор

LoRA (Low-Rank Adaptation) — техника тонкой настройки, которая обучает модель ИИ новому визуальному стилю на небольшом наборе примеров. Она внедряет новые «веса стиля» в существующую модель, что делает обучение быстрым и эффективным. Это руководство описывает полный рабочий процесс:

Подготовьте изображения для обучения

Отберите и загрузите качественные изображения, представляющие желаемый стиль

Отправьте задание на обучение

Отправьте POST-запрос на /styles/train с URL изображений и конфигурацией

Отслеживайте прогресс

Следите за статусом задания обучения с помощью возвращённого job_id

Генерируйте в своём стиле

Применяйте обученный стиль при генерации изображений

Подготовка изображений для обучения

Формирование датасета

Качество обучающих изображений напрямую влияет на результат. У разных типов обучения разные требования:

Сколько нужно изображений?

Качество важнее количества. Небольшой набор превосходных изображений даст лучший результат, чем большой набор посредственных.
Качество > количество15 качественных изображений дадут лучший результат, чем 50 некачественных. Приоритеты:
  • Высокое разрешение (минимум 1024x1024)
  • Согласованный стиль во всех изображениях
  • Отсутствие водяных знаков, надписей и артефактов сжатия
  • Разнообразные сюжеты при сохранении единства стиля
Примеры датасетов
  • Обучение персонажей: фотографии человека с разными позами, выражениями лица и освещением. Избегайте изображений с посторонними людьми.
  • Обучение стилю: коллекция работ в одном стиле. Например, The Metropolitan Museum of Art Ukiyo-E Dataset предоставляет японские гравюры укиё-э, идеально подходящие для обучения художественному стилю.

Загрузка изображений

Перед обучением загрузите изображения, чтобы получить хостинговые URL. Используйте эндпоинт /assets:
Сохраните возвращённые значения image_url — вы передадите их в эндпоинт обучения.

Обучение стиля

Базовый пример обучения

Отправьте URL изображений, чтобы запустить обучение:

Типы обучения

Параметр type задаёт разумные значения по умолчанию, оптимизированные под ваш сценарий:

Параметры

Обязательные параметры

string
required
Описательное имя для вашего пользовательского стиля.Пример: "Ukiyo-E Style", "Product Photos"
array
required
Массив URL изображений для обучения. Больше изображений — лучше результат.

Необязательные параметры

string
default:"flux_dev"
Базовая модель для обучения:Модели изображений:
  • flux_dev — высокое качество, универсальная
  • flux_schnell — realtime-модель BFL
  • qwen — модель Alibaba
  • z-image — эффективная модель изображений от Alibaba
  • wan22 — только генерация изображений
Видеомодели:
  • wan — видеомодель Alibaba
string
default:"Default"
Категория обучения: Style, Object, Character или Default
string
Пользовательское слово для активации стиля в запросах. Если не указано, используется имя стиля.
Выбирайте уникальные триггерные слова, которые не встречаются в обычных запросах. Для триггеров из нескольких слов используйте подчёркивания: ukiyo_style
number
Контролирует интенсивность обучения. Высокие значения ускоряют обучение, но могут приводить к переобучению.Рекомендуемый диапазон: 0.0001 – 0.001
integer
Максимальное число итераций обучения. Диапазон: 1–2000
integer
Число изображений, обрабатываемых одновременно. Больший batch = быстрее обучение, но больше памяти.

Настройка расширенных параметров

Начинайте с параметров по умолчанию, задаваемых полем type — они хорошо работают в большинстве случаев. Меняйте эти значения, только если сталкиваетесь с конкретными проблемами:
Контролирует, насколько агрессивно модель адаптируется к вашим обучающим изображениям.Признаки, что стоит скорректировать:
  • Результаты выглядят как копии обучающих изображений → понизьте скорость
  • Влияние стиля слабое после обучения → слегка повысьте скорость
Как долго модель обучается на ваших изображениях.Признаки, что стоит скорректировать:
  • Результаты слишком жёсткие, игнорируют запросы → уменьшите число шагов
  • Влияние стиля слабое → увеличьте число шагов
  • Сгенерированные изображения выглядят точно как обучающие данные → уменьшите число шагов (переобучение)
Итеративная настройкаЕсли первая попытка обучения не даёт нужного результата:
  1. Начните с корректировки max_train_steps (самое частое исправление)
  2. Затем попробуйте learning_rate, если одних только шагов недостаточно

Формат ответа


Отслеживание прогресса обучения

Обучение обычно занимает 5–15 минут. Опрашивайте Jobs API для проверки статуса:
Задания обучения проходят через следующие состояния:
  1. queued — ожидает в очереди
  2. processing — активное обучение
  3. completed — обучение успешно завершено
  4. failed — при обучении произошла ошибка
  5. cancelled — задание отменено вручную

Использование обученного стиля

Как только обучение завершится, применяйте стиль при генерации изображений через параметр styles:
Владение стилями между приложением и APIAPI и веб-приложение Krea работают как отдельные пользовательские идентификаторы внутри вашего рабочего пространства. Стили приватны для пользователя, который их создал, поэтому:
  • Стили, обученные в приложении, недоступны через API, если ими не поделиться
  • Стили, обученные через API, недоступны в приложении, если ими не поделиться
Чтобы поделиться стилем со своим рабочим пространством (работает в обе стороны):

Сила стиля

Параметр strength (0.0–1.0) контролирует, насколько сильно применяется ваш стиль:
Начните с силы 0.8 и корректируйте по результатам. Меньшие значения дают больше творческой свободы; большие — обеспечивают более строгое следование стилю.

Комбинирование нескольких стилей

Применяйте несколько стилей, добавляя их в массив styles:

Лучшие практики

  • Для оптимального результата используйте как можно больше качественных изображений
  • Обеспечьте согласованный стиль на всех обучающих изображениях
  • Включайте разнообразные сюжеты, сохраняя единство стиля
  • Избегайте водяных знаков, надписей и артефактов
  • Используйте изображения не ниже 1024x1024
  • Начинайте с параметров по умолчанию через поле type
  • Для стилей обычно достаточно 500–1000 шагов
  • Более низкие значения скорости обучения (0.0001–0.0003) предотвращают переобучение
  • Увеличьте число шагов, если стиль недостаточно выражен
  • Уменьшите число шагов, если результат слишком жёсткий
  • Используйте одно и то же триггерное слово, если планируете комбинировать несколько стилей
  • Триггерные слова автоматически подставляются в запрос при использовании стиля
  • Избегайте распространённых слов, встречающихся в обычных запросах
  • Для триггеров из нескольких слов используйте подчёркивания: my_custom_style