DiT LoRA 트레이닝 가이드: Tsubaki·Tsubaki.2 학습 전 체크리스트

---

PART ONE — 왜 DiT인가

DiT LoRA 트레이닝이 SDXL보다 나은 이유

SDXL 계열 모델로 두 명 이상 등장하는 장면을 만들면 "특징 섞임" 문제를 자주 만납니다. 얼굴, 머리, 옷 같은 시각 요소가 캐릭터끼리 섞이기 시작하고, 세 명 이상이 한 화면에 들어가면 상황이 눈에 띄게 나빠집니다.

DiT 계열 아키텍처는 다중 캐릭터 구성을 훨씬 안정적으로 처리합니다. 각 캐릭터의 특징을 따로 유지하고, 간격과 상호작용을 자연스럽게 잡으며, 시선과 제스처, 겹침도 일관되게 그립니다. 인물이 여럿 등장하는 복잡한 장면에서도 버티는 LoRA가 필요하거나, PixAI에서 가장 최신 베이스 모델의 품질을 쓰고 싶다면 이제 DiT LoRA 트레이닝이 더 나은 선택입니다. 베이스 모델과 LoRA의 관계 자체가 아직 정리되지 않았다면 모델과 LoRA의 기초를 먼저 읽어 보셔도 좋습니다.

---

PART TWO — 모델 라인업

PixAI의 DiT 모델 전체 정리

현재 쓸 수 있는 DiT 베이스 모델의 전체 목록입니다.

DiT.1 모델

👉 DiT 기반 모델 전체 보기

DiT.2 모델

Tsubaki.2 — PixAI의 플래그십 DiT.2 모델입니다. DiT.1 라인 대비 생성 품질과 프롬프트 이해력이 크게 올라갔습니다. 실사용 인상은 Tsubaki.2 사용 후기에서, 프롬프트 작성법은 DiT 모델 프롬프트 가이드에서 다룹니다.

---

PART THREE — 학습 대상

어떤 DiT 모델에 LoRA를 학습시킬 수 있나

모든 DiT 베이스 모델이 학습 대상으로 열려 있는 것은 아닙니다. 2026년 기준으로 PixAI가 DiT LoRA 학습을 지원하는 베이스 모델은 두 개입니다.

모델	아키텍처	학습 베이스	생성
Tsubaki	DiT.1	✅	✅
Tsubaki v1.1	DiT.1	❌	✅
Tsubaki Flash	DiT.1	❌	✅
Serin	DiT.1	❌	✅
Tsubaki.2	DiT.2	✅	✅

Tsubaki v1.1, Tsubaki Flash, Serin은 생성에는 쓸 수 있지만 LoRA 트레이닝 패널에서 학습 베이스로는 선택되지 않습니다. 다만 "학습 가능한 베이스"와 "내 LoRA가 돌아가는 곳"은 다른 이야기입니다. Tsubaki로 학습한 LoRA는 Tsubaki Flash에서 추론 호환성이 높습니다. Tsubaki가 PixAI에서 DiT.1의 표준 학습 베이스로 남아 있는 이유이기도 합니다. 한 번 학습시켜 여러 베이스에서 쓰는 셈입니다.

이미 잘 뽑히는 Tsubaki LoRA가 있고 같은 컨셉을 Tsubaki.2로 옮기고 싶다면, PixAI의 데이터셋 재사용 기능으로 기존 데이터셋을 몇 번의 클릭만에 다시 적용할 수 있습니다. 데이터셋을 그대로 재사용하면 학습 비용이 50% 할인됩니다. 전체 절차는 다중 버전 LoRA·데이터셋 재사용 가이드에 있습니다.

---

PART FOUR — 소요 시간

DiT LoRA 학습 시간은 얼마나 걸리나

DiT LoRA 학습은 기존 SDXL 학습보다 오래 걸립니다. 아키텍처 자체가 무겁기 때문입니다. 이 정도로 잡아 두십시오.

학습 베이스	1회 소요 시간
Tsubaki（DiT.1）	약 70분
Tsubaki.2（DiT.2）	약 2시간

학습 대기열에 표시되는 예상 시간은 참고용이며 보장값이 아닙니다. 대기열 상황과 데이터셋 크기에 따라 달라지고, 초반에 뜨는 추정치가 가장 부정확합니다. 작업을 걸어 두고 페이지를 새로고침하는 대신 잠시 자리를 비우시는 편이 낫습니다. 예상보다 오래 걸리는 경우의 원인과 대처는 LoRA 학습이 오래 걸리는 이유에 정리해 두었습니다.

---

PART FIVE — 트리거 워드

DiT LoRA 트레이닝의 트리거 워드 규칙

PixAI의 DiT LoRA 시스템에서 트리거 워드는, 많은 분들이 SDXL 워크플로에서 익숙해진 쉼표 나열식 태그와 다르게 동작합니다. 게다가 DiT.1과 DiT.2의 규칙이 서로 다릅니다. DiT LoRA를 처음 학습시키는 분들이 가장 많이 걸려 넘어지는 지점입니다. 트리거 워드 자체가 처음이라면 LoRA 트리거 워드 완전 정리를 먼저 보시면 이해가 빠릅니다.

Tsubaki LoRA(DiT.1)의 트리거 워드

Tsubaki LoRA 학습에서는 트리거 워드를 짧고 명확하게 유지하십시오.

캐릭터 LoRA — 이 형식을 따릅니다:

character_name, source_work, other_attributes

예시:

hatsune_miku, vocaloid, twin_tails

스타일·컨셉 LoRA — 데이터셋이 공유하는 핵심 특성 하나에 집중합니다:

ink_wash_style

DiT.1 일반 지침:

• 트리거 워드는 짧고 구체적으로
• 여러 절이 이어지는 긴 트리거 문구는 피하기
• 데이터셋의 모든 이미지가 공유하는 가장 본질적인 특징을 찾아내기

Tsubaki.2 LoRA(DiT.2)의 트리거 워드

DiT.2에서는 짧게 쓰라는 규칙이 뒤집힙니다. Tsubaki.2 LoRA 학습에서는 30자 이상의 트리거 워드로 대상의 핵심 특징을 자세히 설명하는 방식을 권장합니다. 트리거 문구가 풍부할수록 Tsubaki.2가 학습 중에 컨셉을 더 단단히 붙잡습니다.

잘 쓴 Tsubaki.2 트리거 문구는 토큰 하나라기보다 압축된 특징 목록에 가깝습니다. 이름만이 아니라 구별되는 시각적 속성을 담습니다.

A young woman with long silver hair, golden eyes, and a futuristic black visor

트리거 워드가 30자보다 짧다면 낼 수 있는 학습 품질을 그냥 버리고 있는 것입니다.

---

PART SIX — 데이터셋

DiT LoRA 학습 권장 데이터셋 사양

어떤 DiT 베이스로 학습하든 데이터셋 규칙은 같습니다.

이미지 수

DiT LoRA 학습에는 30~100장이 가장 잘 맞습니다. 30장 아래로 내려가면 LoRA가 일반화되지 않고, 100장을 넘기면 품질 향상 없이 학습 시간만 늘어나는 경우가 대부분입니다.

이미지 품질과 일관성

• 모든 이미지가 가르치려는 공통 특징을 공유해야 합니다(같은 캐릭터, 같은 스타일, 같은 컨셉)
• 가능하면 데이터셋 전체의 이미지 크기를 통일하십시오
• 주제나 스타일의 통일성을 분명하게 잡으십시오. 산만한 데이터셋은 산만한 LoRA를 만듭니다

기존 데이터셋 재사용

PixAI에서 이미 LoRA를 학습시킨 적이 있고 다시 돌리고 싶다면(예전 Tsubaki 컨셉을 Tsubaki.2로 옮기거나, 새 학습 설정을 시험하는 경우) 기존 데이터셋을 그대로 재사용할 수 있습니다. 원본 데이터셋을 변경 없이 재사용하면 PixAI가 학습 비용을 자동으로 50% 할인해 줍니다. 절차는 다중 버전 LoRA·데이터셋 재사용 가이드를 참고하십시오.

---

PART SEVEN — 실행

첫 DiT LoRA 학습을 시작하는 법

1. PixAI의 LoRA 트레이닝 페이지로 이동합니다.
2. Model Type에서 DiT.2(Tsubaki.2 대상) 또는 DiT.1(Tsubaki 대상)을 선택합니다.
3. Model Theme을 확인합니다. DiT.1은 Tsubaki, DiT.2는 Tsubaki.2입니다.
4. 30~100장의 데이터셋을 업로드합니다.
5. 위 규칙에 맞춰 트리거 워드를 설정합니다(Tsubaki는 짧게, Tsubaki.2는 30자 이상).
6. 제출한 뒤 기다립니다. Tsubaki는 약 70분, Tsubaki.2는 약 2시간이 걸립니다.

---

QUESTIONS

DiT LoRA 트레이닝 자주 묻는 질문

어떤 DiT 모델에 LoRA를 학습시킬 수 있나요?

현재 PixAI가 DiT LoRA 학습을 지원하는 베이스 모델은 Tsubaki(DiT.1)와 Tsubaki.2(DiT.2) 두 개입니다. Tsubaki v1.1, Tsubaki Flash, Serin은 생성에는 쓸 수 있지만 LoRA 트레이닝 패널에서 학습 베이스로는 노출되지 않습니다.

PixAI의 DiT.1과 DiT.2는 무엇이 다른가요?

DiT.1은 PixAI의 1세대 DiT입니다. 학습 가능한 DiT.1 베이스는 Tsubaki이고, Tsubaki v1.1과 Tsubaki Flash, Serin은 생성 전용입니다. DiT.2는 다음 세대 아키텍처로 현재 Tsubaki.2가 이 위에서 돌아갑니다. DiT.2는 결과물 품질이 더 높고, 학습은 더 느리며, 트리거 워드 방식도 DiT.1과 다릅니다.

DiT LoRA 학습은 얼마나 걸리나요?

Tsubaki(DiT.1) LoRA 학습은 1회당 약 70분, Tsubaki.2(DiT.2) LoRA 학습은 약 2시간이 걸립니다. 대기열에 표시되는 시간은 추정치이며 시스템 부하에 따라 달라질 수 있습니다.

Tsubaki로 학습한 LoRA가 Tsubaki Flash에서도 작동하나요?

작동합니다. Tsubaki Flash는 원본 Tsubaki로 학습한 LoRA와 호환되도록 설계되어 있어서, 하나의 Tsubaki LoRA를 두 베이스에서 함께 쓰는 경우가 많습니다. 이는 추론 호환성이며 학습 호환성과는 다른 이야기입니다. Tsubaki.2는 이와 무관하게 호환되지 않습니다.

Tsubaki LoRA를 Tsubaki.2에서 쓸 수 있나요?

쓸 수 없습니다. Tsubaki.2는 독립된 베이스 모델이며 Tsubaki와 Tsubaki v1.1을 포함해 다른 모델로 학습한 LoRA와 호환되지 않습니다. Tsubaki.2를 대상으로 다시 학습시켜야 합니다. PixAI의 데이터셋 재사용 기능을 쓰면 빠르게 재학습할 수 있고 비용도 50% 할인됩니다.

Tsubaki.2 트리거 워드는 얼마나 길어야 하나요?

Tsubaki.2 LoRA 학습에서는 대상의 핵심 특징을 자세히 설명하는 30자 이상을 목표로 하십시오. Tsubaki(DiT.1) LoRA에서 쓰던 짧은 쉼표 구분 트리거 워드와는 분명히 달라진 부분입니다.

DiT LoRA를 학습시키려면 이미지가 몇 장 필요한가요?

Tsubaki와 Tsubaki.2 모두 30~100장을 권장합니다. 품질과 크기를 일정하게 맞추고, 데이터셋 전체의 주제 통일성을 분명히 하는 편이 좋습니다.