PixAI LoRA 학습 완벽 가이드｜데이터셋부터 트리거 워드까지 총정리

▸ ADVANCED_GUIDE.md

PixAI LoRA 학습
처음부터 끝까지, 크리에이터 완벽 가이드

PixAI LoRA 학습을 처음부터 해 보려는 분을 위한 글입니다. 오리지널 캐릭터를 모델에 심든, 좋아하는 화풍을 재현하든, 메이드복 의상 LoRA 하나를 제대로 만들든 — 전 과정을 순서대로 따라갈 수 있게 정리했습니다.

중심은 캐릭터 LoRA 입니다. 가장 까다롭지만 익혀 두면 나머지 유형은 훨씬 수월해지기 때문입니다.

▸ PREREQUISITE_READING

LoRA 를 더 알고 싶다면

▸ VIDEO_GUIDE

▶ 영상으로 보기: PixAI LoRA 학습 전체 과정

이 글의 영상 버전입니다 → 새 탭에서 열립니다

기본 개념부터 잡고 가기

가중치와 적용까지 실전 정리

활성화 문구를 제대로 설계하기

LoRA 여러 개를 한 장에 겹치기

▸ START_HERE

읽으면서 바로 따라 하고 싶다면, 학습 페이지를 옆 탭에 열어 두세요.

▸ PixAI 에서 해보기

▸ PART_01

데이터셋 준비
— 결과의 8할이 여기서 갈립니다

학습 이미지는 요리의 재료입니다. 재료가 나쁘면 조리법으로 못 살립니다. PixAI LoRA 학습을 시작하기 전에, 데이터셋을 어떻게 준비했느냐가 최종 LoRA 의 성능을 거의 결정합니다.

▸ STEP_01_RESOLUTION

해상도가 여왕입니다 👑

MIN_REQUIRED

512 × 512 px

OPTIMAL_SDXL

768² ~ 1024² px

AVOID

흐릿함 · 계단현상 · 너무 작은 이미지

해상도가 높을수록 모델이 배울 디테일이 많아집니다. 처음부터 없는 정보는 AI 도 만들어 내지 못합니다. 구할 수 있는 가장 좋은 원본으로 시작하세요.

PixAI LoRA 학습에 적합한 고해상도 학습 이미지 예시 — 선명한 1024x1024 품질

✓ GOOD — 고해상도

LoRA 학습에 부적합한 저해상도 이미지 예시 — 흐릿하고 계단현상이 보이는 상태

✗ BAD — 흐릿함

▸ STEP_02_CLARITY

특징이 명확하게 보여야 합니다

모든 학습 이미지에서 캐릭터의 시그니처 특징이 분명히 드러나야 합니다. 데이터셋이 애매하면 출력도 애매해집니다.

▸ CAPTURE_THESE

✓ 머리 색·스타일·길이, 고유한 헤어 요소

✓ 눈동자 색과 모양, 특수한 무늬

✓ 흉터, 문신, 액세서리

✓ 이미지마다 일관된 특징

▸ AVOID_THESE

✗ 한 장에 캐릭터가 여러 명

✗ 그림자에 얼굴이 묻힌 컷

✗ 핵심 특징이 가려지는 극단적 앵글

✗ 그림마다 다르게 그려진 캐릭터

캐릭터 특징이 또렷하게 보이는 좋은 LoRA 학습 이미지 — 정면 전신 컷

✓ GOOD — 특징 선명

캐릭터가 여러 명이고 특징이 가려져 AI 가 혼동하는 나쁜 LoRA 학습 이미지

✗ BAD — 애매함

▸ STEP_03_CLEANUP

화면을 비우기: 방해 요소 제거

왜 중요한가: 글자나 워터마크가 남은 이미지로 학습하면, 완성된 LoRA 가 결과물에 정체불명의 글자를 얹어 버립니다. 다음은 전부 지우고 시작하세요: 텍스트 · 말풍선 · 워터마크 · UI 요소

▸ PRO_TIP

완전히 못 지웠다면 생성 시 부정 프롬프트에 watermark, text 를 넣어 두세요. 그래도 미리 지우는 편이 항상 낫습니다. Flow Edit 를 쓰면 포토샵 없이도 워터마크를 바로 지울 수 있습니다.

✓ GOOD — 깨끗함

워터마크와 텍스트가 남아 AI 가 불필요한 요소까지 학습하게 되는 나쁜 예시

✗ BAD — 워터마크

▸ STEP_04_NORMALIZE

크기 통일: 규격 맞추기

권장: 학습 이미지의 크기를 가능한 한 통일합니다. 현실: 소재가 한정적이면 완벽하게 맞추기 어렵고, 그래도 괜찮습니다. 규격을 맞추려고 화질을 희생하지는 마세요. 가능하면 일괄 리사이즈 도구를 쓰는 편이 빠릅니다.

▸ BEFORE — 크기 제각각

✓ AFTER — 규격 통일

▸ STEP_05_DATASET_SIZE

데이터셋 규모 — 유형별 권장 장수

CHARACTER

15-30

고품질 이미지

STYLE

20-40

소재가 다양한 예시

POSE

10-20

포즈가 명확한 컷

OUTFIT

15-25

각도·조명 다양하게

▸ PART_02

학습 설정
— LoRA 만들기

데이터셋이 준비됐다면 이제 PixAI LoRA 학습 차례입니다. LoRA 학습 페이지로 이동해 아래 순서대로 설정합니다.

▸ NAMING_CONVENTION

이름 붙이기

커뮤니티가 찾아 쓰기 쉬운, 설명적이고 검색되는 이름을 고르세요. 캐릭터명은 영문 표기를 함께 넣는 편이 검색 노출에 유리합니다. 한국 이용자와 해외 이용자가 같은 LoRA 를 찾을 수 있게 됩니다.

▸ EXAMPLE

카스토리스 Castorice | 붕괴: 스타레일 (Haruka)

이름이 중요한 이유가 하나 더 있습니다. 다른 이용자가 내 LoRA 를 돌릴 때마다 크레딧이 적립됩니다. 찾기 쉬운 이름은 그대로 수익으로 이어집니다. 적립 규칙은 LoRA 리베이트 안내에 정리돼 있습니다.

PixAI 에서 LoRA 이름 짓기 — 검색이 잘 되는 설명형 이름 예시

▸ CRITICAL_DECISION

베이스 모델 선택

PixAI LoRA 학습에서 가장 중요한 선택입니다. 베이스 모델은 나머지 전부가 그 위에 쌓이는 토대입니다. 어떤 SDXL 계열을 고를지 감이 안 온다면 SDXL 애니메이션 모델 고르기를 먼저 보셔도 좋습니다.

▸ THE_GOLDEN_RULE

평소 생성에 쓰는 베이스 모델로 학습하세요. Haruka V2 로 그림을 뽑고 있다면 → LoRA 도 Haruka V2 에서 학습합니다.

⚡ DiT LoRA — 새로운 세대

PixAI 의 플래그십 DiT(Diffusion Transformer) 모델은 현재 학습 가능한 가장 새로운 아키텍처입니다. 디테일과 프롬프트 반영도가 확실히 다릅니다. 다만 SDXL 과는 학습 방식 자체가 달라서 별도 접근이 필요합니다. DiT 계열에서 프롬프트를 어떻게 쓰는지는 DiT 모델 프롬프트 작성 가이드를 참고하세요.

▸ DEDICATED_GUIDE

DiT LoRA 는 설정값도, 데이터셋 준비도, 호환성 조건도 다릅니다.

지원되는 PixAI DiT 모델, 권장 파라미터, 데이터셋 구성까지 DiT 전용 내용은 별도 가이드에 정리했습니다.

▸ READ_DIT_LORA_GUIDE

🎨 SDXL 모델 패밀리

Illustrious 계열

Haruka · Hoshino · Otome

적합: 고품질 애니메이션 화풍

강점: 디테일 유지, 캐릭터 일관성

Noob 계열

Hinata V2 · Hikari

적합: 색이 선명하고 역동적인 구도

강점: 색 재현력, 회화적인 감각

SD 1.5

레거시 모델

적합: 예전 화풍, 기존 작업 이어가기

⚠ SDXL LoRA 와 호환되지 않습니다

▸ COMPATIBILITY_CHECKLIST.md

[ ] 아키텍처 확인: SDXL · SD 1.5 · DiT

[ ] 모델 패밀리 확인: Illustrious · Noob 등

[ ] 제작자가 문서에서 권장한 조합인지

[ ] 같은 베이스로 성공한 커뮤니티 LoRA 사례

▸ MAGIC_INCANTATIONS

트리거 워드: 비밀번호를 정하는 일

트리거 워드가 LoRA 의 성능을 열어 줍니다. 잘 고르면 정밀한 도구가 되고, 잘못 고르면 쓸 때마다 손이 갑니다.

▸ DO_INCLUDE — 고정 요소

✓ 눈: heterochromia_blue_red

✓ 무늬: facial_tattoo

✓ 액세서리: black_tiara

✓ 신체 특징: pointy_ears, fangs

▸ AVOID — 바뀌는 요소

✗ 의상 디테일 (활용 폭이 줄어듭니다)

✗ 특정 포즈에만 있는 요소

✗ 배경과 장소

✗ 일시적이거나 자주 바뀌는 것 전부

🔍 게으른 크리에이터의 방법: Danbooru 태그

Danbooru 를 트리거 워드 참고서로 쓰는 방법입니다.

1. 대상 캐릭터의 공식 일러스트나 태그가 잘 붙은 팬아트를 검색합니다

2. 이미지 왼쪽에 나열된 태그를 확인합니다

3. 고정 특징에 해당하는 태그만 복사합니다

4. PixAI 형식에 맞게 다듬습니다

⚙️ 트리거 워드 구조

▸ TEMPLATE

캐릭터명, 고정 특징, 선택적 보정, [유동적 요소]

▸ EXAMPLE — 카스토리스

Castorice/hsr, long purple hair, low twintails, purple eyes, hair flower, pointy ears, crown of thorns, black tiara

⚠ WHY_AVOID_OUTFIT_DETAILS

의상을 트리거 워드에 박아 넣으면, 다른 옷을 입히고 싶을 때마다 그 단어를 지우고 다시 써야 합니다. LoRA 의 재사용성이 그만큼 깎입니다.

▸ READY_WHEN_YOU_ARE

여기까지 읽으셨다면 데이터셋 한 세트로 첫 LoRA 를 돌려 볼 준비는 끝났습니다.

▸ 생성기 열기

▸ PART_03

다른 LoRA 유형
— 빠르게 넘어가기

캐릭터 LoRA 를 익혔다면 나머지는 같은 원리에 약간의 변형입니다. 요약하면 이렇습니다.

화풍 LoRA (Style)

초점: 그림체의 일관성

데이터셋: 같은 화풍 15-20 장

트리거: watercolor_soft

의상 LoRA (Cloth)

초점: 옷의 디테일

데이터셋: 같은 의상, 여러 각도

트리거: maid_uniform

포즈 LoRA (Pose)

초점: 몸의 자세

데이터셋: 같은 포즈, 다른 시점

트리거: kneeling_pose

캐릭터 LoRA (Character)

초점: 고유한 정체성

데이터셋: 다양한 포즈와 표정

트리거: scar_cheek

▸ STYLE_LORA

화풍 LoRA 학습

접근: 화풍 하나를 정하고 데이터셋 전체를 그 화풍으로 통일합니다.
트리거 워드: 단순하고 설명적으로 갑니다.

watercolor · oil_painting · sketch_style · manga_style · realistic_shading · cel_shaded

데이터셋 포인트: 기법은 전부 통일하되, 그려진 소재는 다양하게 섞습니다(과학습 방지). 그 화풍을 정의하는 특징이 뚜렷하게 보이는 컷을 넣으세요.

watercolor_style

수채화 화풍 LoRA 학습 참고 이미지 — 기법 일관성을 보여 주는 두 번째 예시

watercolor_style

▸ POSE_LORA

포즈 LoRA 학습

핵심: 일관성이 전부입니다. 목표 포즈를 여러 각도와 조명에서 담으세요.

crossed_arms · peace_sign · jumping · sitting_pose · paw_pose

학습 팁: 포즈에 미세한 변주를 섞으면 결과가 자연스러워집니다. 가능하다면 서로 다른 캐릭터가 같은 포즈를 취한 컷도 넣으세요. 관절과 손발 같은 핵심 부위가 가려지지 않아야 합니다.

paw_pose

▸ OUTFIT_LORA

의상 LoRA 학습

초점: 같은 의상을 여러 각도와 조명에서. 좋아하는 코스튬, 직접 디자인한 옷, 테마 의상에 잘 맞습니다.
전략: 보여 주는 방식은 최대한 다양하게, 옷 자체는 최대한 동일하게.

📐 여러 시점 (정면·후면·측면)

💡 조명 조건을 바꿔 가며

🤸 그 옷을 입은 상태의 여러 포즈

🔍 특징적인 부분의 클로즈업

maid_apron

메이드 에이프런 의상 LoRA 학습 참고 — 일관성 확인을 위한 다른 각도

maid_apron

▸ POWER_USER_TIP

더 빠르게 반복하기: 버전 관리 & 데이터셋 재사용

첫 학습에서 완성형 LoRA 가 나오는 일은 드뭅니다. PixAI 는 같은 LoRA 아래에 여러 버전을 올릴 수 있게 해 둬서, 트리거를 다듬거나 베이스 모델을 바꾸거나 데이터셋을 손봐도 기존 구독자와 지표를 그대로 유지할 수 있습니다.

💰 50% 할인 — DATASET_REUSE

같은 데이터셋을 그대로 재사용해 새 버전을 학습하면 학습 비용이 50% 할인됩니다. 부담 없이 여러 번 돌려 보세요.

📖 자세한 절차: 멀티 버전 LoRA & 데이터셋 재사용 가이드 →

▸ KEY_TAKEAWAYS.log

기억해 둘 5가지

▸ RULE_01

데이터셋 품질이 LoRA 품질입니다 — 준비에 시간을 쓰세요. 쓰레기를 넣으면 쓰레기가 나옵니다.

▸ RULE_02

베이스 모델 호환성이 중요합니다 — 학습 베이스와 생성 베이스를 맞추세요.

▸ RULE_03

트리거 워드는 고정 특징만 — 의상과 포즈를 넣으면 활용 폭이 줄어듭니다.

▸ RULE_04

유형이 달라도 원리는 같습니다 — 캐릭터 학습을 익히면 나머지에 그대로 적용됩니다.

▸ RULE_05

피드백을 받아 고쳐 나가세요 — 첫 LoRA 가 마지막 LoRA 는 아닙니다.

▸ FAQ.log

자주 묻는
질문

▸ Q_01

LoRA 학습이란 무엇인가요?

LoRA 학습은 AI 모델에 새로운 개념 — 특정 캐릭터, 화풍, 포즈, 의상 — 을 가르쳐, 생성할 때 그 개념을 일관되게 재현하도록 만드는 작업입니다. PixAI LoRA 학습을 마치면 호환되는 베이스 모델 위에 올려서 언제든 그 개념을 불러올 수 있습니다. LoRA 는 보통 10~200MB 정도의 가벼운 추가 파일이며, 베이스 모델 전체를 다시 학습시키지 않고 동작만 바꿉니다.

▸ Q_02

PixAI 에서 LoRA 를 학습하려면 이미지가 몇 장 필요한가요?

대부분의 성공 사례는 10~30 장입니다. 목적에 따라 달라집니다. 캐릭터 LoRA 는 각도·표정·조명이 다른 15~30 장, 화풍 LoRA 는 목표 스타일이 일관되게 드러나는 20~30 장, 포즈 LoRA 는 포즈가 잘 분리돼 있다면 10~15 장으로도 됩니다. 장수보다 품질이 훨씬 중요합니다. 선명하고 변화가 있는 20 장이 흐릿하고 비슷한 100 장을 이깁니다. 최소 해상도는 SDXL 베이스 512×512, DiT 베이스 768×768 이상입니다.

▸ Q_03

어떤 베이스 모델로 학습하는 게 좋나요?

평소 생성에 쓰는 베이스 모델로 학습하세요. Haruka V2 에서 학습한 LoRA 는 Haruka V2 에서 가장 잘 작동하고, 다른 베이스로 옮기면 결과가 흐트러지는 경우가 많습니다. 베이스 모델은 LoRA 가 이해하는 화풍과, 나중에 함께 쓸 수 있는 모델 범위를 동시에 결정합니다. DiT 품질을 원한다면 Tsubaki(DiT.1) 또는 Tsubaki.2(DiT.2), 정교한 애니메이션 화풍이라면 Illustrious 계열(Haruka, Hoshino, Otome), 색이 선명하고 역동적인 구도라면 Noob 계열(Hinata V2, Hikari)을 고르시면 됩니다.

▸ Q_04

PixAI LoRA 학습은 시간이 얼마나 걸리나요?

베이스 모델 아키텍처에 따라 다릅니다. SDXL 계열(Haruka V2, Hoshino V2, Otome V2, Hinata V2)은 보통 15~30 분이면 끝납니다. Tsubaki 또는 Tsubaki.2 의 DiT LoRA 학습은 모델 규모가 커서 약 70 분 정도 걸립니다. 학습 초반에 표시되는 예상 시간은 실제와 차이가 날 수 있으니, 위 범위의 긴 쪽을 기준으로 잡으시는 편이 안전합니다. 진행 상황은 프로필 → 모델/LoRA 탭에서 확인할 수 있습니다. 평소보다 대기가 길 때의 원인은 LoRA 트레이닝 FAQ에 정리돼 있습니다.

▸ Q_05

학습한 LoRA 를 상업적으로 쓰거나 SNS 에 올려도 되나요?

▸ Q_06

Tsubaki.2 로 LoRA 를 학습할 수 있나요?

가능합니다. PixAI 는 Tsubaki.2 를 독립적인 DiT.2 베이스 모델로 두고 LoRA 학습을 지원합니다. Tsubaki.2 LoRA 는 SDXL 계열의 짧은 태그와 달리, 핵심 시각 특징을 설명하는 30자 이상의 긴 트리거 문구를 권장합니다. 학습 시간은 약 70 분입니다. 주의할 점이 하나 있습니다. 다른 모델(Tsubaki, Tsubaki v1.1, Tsubaki Flash, Serin)에서 학습한 LoRA 는 Tsubaki.2 에서 작동하지 않으므로, Tsubaki.2 를 지정해 학습해야 합니다. 데이터셋 재사용 기능을 쓰면 기존 데이터셋을 Tsubaki.2 에 50% 할인가로 다시 적용할 수 있습니다.

▸ Q_07

나중에 LoRA 를 수정하거나 다시 학습할 수 있나요?

가능합니다. 데이터셋을 개선하거나 트리거 워드를 다듬어 기존 LoRA 의 새 버전을 만들 수 있고, 팔로워와 지표는 그대로 유지됩니다. 같은 데이터셋을 재사용해 새 버전을 학습하면 학습 비용이 50% 할인됩니다. 모든 버전은 하나의 LoRA 카드 안에서 관리됩니다. 전체 절차는 멀티 버전 LoRA 가이드를 참고하세요.

▸ Q_08

LoRA 와 베이스 모델은 뭐가 다른가요?

베이스 모델(체크포인트)은 방대한 데이터로 학습된 완결형 AI 시스템으로, 그 자체로 이미지를 만들어 냅니다. LoRA(Low-Rank Adaptation)는 베이스 모델의 동작을 특정 캐릭터·화풍·포즈 쪽으로 틀어 주는 작은 추가 파일입니다. 베이스 모델이 엔진이라면 LoRA 는 튜닝 칩에 가깝습니다. 용량은 수 GB 대 10~200MB, 학습 시간은 며칠 대 수십 분, 필요한 이미지는 수천 장 대 15~30 장 수준으로 차이가 납니다. PixAI 에서는 항상 베이스 모델을 먼저 불러오고, LoRA 는 그 위에 선택적으로 얹습니다. 개념 정리는 모델 vs LoRA 기초에서 더 자세히 다룹니다.

▸ Q_09

PixAI LoRA 학습은 무료인가요?

LoRA 학습에는 크레딧이 필요하지만, 멤버십 플랜에 매월 무료 학습 횟수가 포함됩니다. Starter 는 월 3 회, Hobbyist 는 5 회이고 상위 플랜은 더 많습니다. 이미 올린 데이터셋을 수정 없이 재사용하면 학습 비용이 자동으로 50% 할인됩니다. 멤버십이 없는 무료 이용자도 매일 적립되는 크레딧으로 학습할 수 있어서, 결제를 해야만 열리는 구조는 아닙니다. 크레딧을 모으는 방법은 무료 크레딧 가이드에 정리돼 있습니다.

▸ READY_TO_DEPLOY

첫 LoRA, 오늘 돌려 보세요

PixAI LoRA 학습에 필요한 내용은 여기까지입니다. 오리지널 캐릭터를 세상에 내놓든, 좋아하는 화풍을 재현하든, 이 정도면 출발선으로 충분합니다. 어떤 결과물이 나올지 커뮤니티에서 기다리고 있습니다.

▸ START_TRAINING

📚 이어서 읽기

▸ NEXT_STEP

LoRA 가중치 설정 →

완성한 LoRA 의 강도를 원하는 지점에 맞추기.

▸ DIT_TRAINING

DiT LoRA 학습 →

플래그십 DiT 모델에서 LoRA 를 학습하는 방법.

▸ APPLY_LORAS

LoRA 스태킹 가이드 →

만든 LoRA 를 다른 LoRA 와 겹쳐 쓰는 법.

PixAI LoRA 학습 처음부터 끝까지, 크리에이터 완벽 가이드