PixAI LoRA学習の設定ガイド|アドバンス学習とkohya対応表

要点まとめ 学習の流れ 画像の準備 複数キャラ システム項目 基本設定 説明文 詳細設定 kohya対応表 料金と時間 チェックリスト 公開と管理 よくある質問

Guide · アドバンス学習

PixAI LoRA アドバンス学習ガイド

ステップ数

3

学習Step数(初期値)

325

画像の枚数

10〜100枚

学習時間

2〜6時間

アドバンス学習では、LoRA学習の中身を自分で細かく決められます。画像ごとの説明文を1枚ずつ確認・編集でき、学習Step数、学習率、ディテール容量(Rank)、Alpha、Batch sizeも自分で設定します。デフォルト値はすべてベーシック学習と同じなので、試したい項目だけ変えれば大丈夫です。

PixAIのLoRA学習の入口画面。アドバンス学習のカードを赤枠で表示
LoRA学習の入口で「アドバンス学習」を選びます

別タブでアドバンス学習を開いて、このガイドと見比べながら設定できます。

kohyaやsd-scriptsなどでLoRAを学習したことがある方は、次の3点が違います

Steps学習量はStepの総数で決めます。epochとrepeatsはありません。

AlphaAlphaはRankの半分・同じ値・2倍のいずれかしか選べません。

Caption説明文はPixAIが先に自動作成し、そのあと自分で編集します。

要点まとめ

Steps

学習量はStepの総数

学習Step数は50〜800で、初期値は325です。epochとrepeatsはありません。

Learning rate

学習率はひとつだけ

初期値は6e-4で、ネットワーク全体に適用されます。モジュールごとには設定できません。

Alpha

Alphaは3段階

Rankの半分・同じ値・2倍から選び、初期値はRankの半分です。消費クレジットは主に学習Step数とBatch sizeで決まり、学習率・Rank・Alphaは影響しません。

Caption

説明文は先に自動作成

Danbooruタグではなく自然な文章で作成され、あとから1枚ずつ編集できます。

Trigger word

トリガーワードは先頭に自動追加

「基本設定」で入力すれば、すべての画像の説明文に自動で追加されます。手で書き足す必要はありません。

Credits

説明文と学習は別々に課金

説明文がある画像には再課金されません。学習が失敗した場合、学習の料金はかかりません。説明文を作成した画像を削除しても返金はありません。

学習の流れ

アドバンス学習は「基本設定」「説明文」「詳細設定」の3ステップです。流れは一般的なLoRA学習とほぼ同じですが、説明文(キャプション)をPixAIが作成する点と、学習を作成したあとに変えられない設定がある点が異なります。

1

基本設定 →

LoRA名、LoRAタイプ、ベースモデル、トリガーワード

2

説明文 →

画像を追加し、説明文を自動作成して1枚ずつ確認・編集

3

詳細設定 →

Step数・学習率・Rank・Alpha・Batch sizeを決め、クレジットを確認して学習開始

説明文は自動で保存されます。途中でページを離れても「学習タスク」から再開できます。説明文の作成中、処理待ち中、学習中はページを閉じても問題ありません。

基本設定

PixAIアドバンス学習の基本設定画面:LoRA名、トリガーワード、LoRAタイプ、ベースモデル
LoRA名とトリガーワードを入力し、LoRAタイプとベースモデルを選びます

説明文

PixAIアドバンス学習の説明文ステップ:画像の追加エリアと説明文の書き方
デバイス、生成履歴、過去の学習データから画像を追加します
PixAIアドバンス学習の画像セット:説明文がない画像と、消費クレジットつきの「説明文を自動作成」ボタン
「説明文を自動作成」を押します。ボタンの横に消費クレジットが表示されます
PixAIアドバンス学習の「説明文を編集」画面。トリガーワードは自動追加済み
説明文を1枚ずつ確認・編集します。トリガーワードは自動で追加されます

詳細設定

PixAIアドバンス学習の詳細設定画面:学習Step数、学習率、Rank、Alpha、Batch size
学習Step数、学習率、Rank、Alpha、Batch sizeを決め、クレジットを確認して学習を開始します

画像の準備

LoRAが何を覚えるかは、画像セットで決まります。覚えさせたい特徴はすべての画像でそろえ、それ以外はできるだけばらつかせてください。そうすることで、モデルは「LoRAそのものの特徴」と「たまたま写っていたもの」を区別できます。キャラクターLoRAの例です。

良い例悪い例悪い例の人物はイメージ図です

角度

正面、横、後ろ姿に加えて、俯瞰やあおりの構図も入れます。正面の画像だけだと、横向きや後ろ姿を生成したときに崩れやすくなります。

PixAI LoRA学習の画像セット例(角度):正面・横・後ろ姿と、正面だけの比較

ポーズ・動作

立つ、座る、歩く、手を伸ばすなど、ポーズを散らします。全部が同じポーズだと、LoRAもそのポーズに固定されがちです。

PixAI LoRA学習の画像セット例(ポーズ):立ち・座り・歩き・手を伸ばすと、全部立ちポーズの比較

構図・距離

顔のアップ、バストアップ、全身を混ぜます。アップだけだと、服装や体型を学習しにくくなります。

PixAI LoRA学習の画像セット例(構図):アップ・バストアップ・全身と、アップだけの比較

表情

生成時に表情を変えたいなら、いろいろな表情の画像を入れておきます。

PixAI LoRA学習の画像セット例(表情):笑顔・悲しみ・驚きと、無表情だけの比較

背景

背景はできるだけばらつかせます。ほとんどの画像が同じ背景だと、背景まで一緒に学習されます。

PixAI LoRA学習の画像セット例(背景):公園・室内・空・街並みと、同じ室内背景だけの比較

画質

くっきりしていて、透かしや文字が入っていない画像を選びます。コマ割りや複数パネルの画像は、1枚ずつ切り出してから追加してください。

PixAI LoRA学習の画像セット例(画質):鮮明な1枚絵と、透かし・文字・コマ割り・ぼやけた画像の比較

重複を避ける

サイズ違いの同じ画像など、ほぼ同じ画像は入れないでください。重複した画像は過学習の原因になります。

PixAI LoRA学習の画像セット例(重複):異なる3枚と、同じ画像を3サイズで保存したものの比較

キャラクターデザイン

使うのは同じバージョンのデザインだけにします。透かし、サイン、吹き出しはできるだけ消し、ぼやけた画像や崩れた画像は外し、大きな余白はトリミングします。

PixAI LoRA学習の画像セット例(デザイン):同じデザインと、旧デザイン・吹き出し・大きな余白の比較

スタイル(画風)LoRAは考え方が逆です。人物、場面、題材はできるだけばらつかせ、画風だけをそろえます。

1つのLoRAで複数キャラクターを学習する

キャラクターAとキャラクターBのように、1つのLoRAで複数のキャラクターを学習させたい場合は、「Aだけの画像」「Bだけの画像」「AとBが一緒の画像」の3種類が必要です。

画像セットの構成

PixAIの複数キャラクターLoRAの画像セット例:Aだけ、Bだけ、AとBが一緒の3種類

各10枚以上 枚数はなるべくそろえる

1人ずつの画像しかないと、同じ画面に2人を描き分けるのが難しく、2人の特徴が混ざりがちです。一緒の画像しかないと、片方だけを生成しにくくなります。3種類の枚数がぴったり同じである必要はありませんが、どれも十分な量を用意してください(各10枚以上、枚数はなるべく近く)。

トリガーワードはLoRAごとに1つしか設定できないため、キャラクターは説明文の中の呼び名で区別します。キャラクターごとに呼び名を決め、画像セット全体で同じ呼び名を使ってください。髪色や瞳の色のように変わらない特徴は書かず、それぞれの呼び名に結びつけます。一緒に写っている画像では、2人それぞれの位置と動作を書き分けます。生成するときは、プロンプトに呼び名を書けば描くキャラクターを指定できます。生成側のコツは複数キャラクターLoRA生成ガイドをご覧ください。

システムが決める項目

次の項目はシステムが決めるため、変更できません。

学習解像度

学習解像度はモデル側で決まっており、変更できません。画像は総ピクセル数が512×512(約26.2万ピクセル)以上、縦横比が1:3〜3:1の範囲に収まっている必要があります。条件に合わない画像は追加できません。

判定は総ピクセル数で行うため、1辺が512より短くても条件を満たす場合があります。たとえば400×700の画像は28万ピクセルなので追加できます。1200×300の画像はピクセル数は足りていますが、縦横比が4:1なので追加できません。

PixAI LoRA学習の解像度ルール:512×512が基準、400×700は追加可、1200×300は追加不可
総ピクセル数と縦横比で判定されます

画像の追加方法と形式

「デバイスからアップロード」「生成履歴から選ぶ」「過去の学習データからインポート」の3通りで追加できます。対応形式はPNG、JPG、WebPで、1回の学習には10〜100枚が必要です。

ネットワークの種類

標準のLoRAのみです。LoConやLoHaなどのLyCORIS系には対応していません。

STEP 1

基本設定

LoRA名を入力し、LoRAタイプ(キャラクター、衣装、スタイル、その他)とベースモデル(Tsubaki.2またはTsubaki.3)を選んで、トリガーワードを設定します。

学習を送信する前なら、いつでもこのステップに戻って修正できます。送信後も処理待ちの間なら学習をキャンセルでき、タスクが下書きに戻るので、ここから修正できます。学習が始まると、LoRAタイプ、ベースモデル、トリガーワードは固定されます。変えたい場合は新しく学習を作成してください。LoRA名は公開後に「モデル編集」から変更できます。トリガーワードは学習時にすべての説明文に追加されるので、学習開始前に必ず確認してください。

学習開始後

  • LoRA名 公開後に変更可
  • LoRAタイプ 固定
  • ベースモデル 固定
  • トリガーワード 固定

トリガーワード

トリガーワードは「基本設定」で入力します。学習時に各説明文の先頭へ自動で追加されるので、kohyaのようにフォルダ名やキャプションファイルに書き込む必要はありません。生成時はプロンプトにトリガーワードを入れるとLoRAが効きます。学習を送信したあとは変更できません。使えるのは半角英字 a–z、数字、スペース、, . _ - のみで、最小文字数の制限はなく、最大256文字です。連続したスペースや、先頭・末尾のスペースは使えません。書き方はLoRAトリガーワード解説で紹介しています。

PixAIアドバンス学習の基本設定にあるトリガーワード入力欄
「基本設定」のトリガーワード入力欄

STEP 2

説明文

画像は「デバイスからアップロード」「生成履歴から選ぶ」、または過去のアドバンス学習からインポートして追加します。過去の学習からインポートすると、説明文も一緒に取り込まれます。作り直す必要はなく、説明文の料金もかかりません。インポート後も1枚ずつ編集できます。ベーシック学習の画像セットはアドバンス学習にインポートできません。同じ画像セットを使い回す方法はマルチバージョンLoRAガイドもあわせてご覧ください。

  • アドバンス学習の下書きが残っていれば、その画像セットをインポートできます。アドバンス学習で作ったLoRAを削除しても、画像と説明文は残るので、あとからインポートできます。
  • 一方、下書きを削除すると画像セットも一緒に消え、新しい学習を作るときにそこからインポートできなくなります。同じ画像で学習し直す可能性があるなら、下書きを残しておくか、画像を自分でバックアップしておいてください。その場合、説明文は作り直しになり、枚数に応じて料金がかかります。

説明文(キャプション)

説明文は、kohyaでいうキャプションファイルにあたります。PixAIの説明文モデルが、Danbooruタグではなく自然な文章で画像ごとの説明文を作成します。説明文は先に自動作成してからでないと編集できません。編集した内容は別に保存され、必要なら自動作成した説明文に戻せます。

説明文は、各画像に何が写っているかをモデルに伝えるものです。学習時には各説明文の先頭にトリガーワードが付きます。説明文に書いた要素は、プロンプトで変えられる部分として扱われます。一度も書かなかった要素はトリガーワードに吸収され、LoRAそのものの特徴になります。つまり、LoRAに固定したい特徴は書かず、生成時に差し替えたいものは書く、というのが基本です。

PixAIアドバンス学習の「説明文を編集」画面:自動作成された自然文の説明文。トリガーワードは自動追加済み
自動作成後の「説明文を編集」画面。自然な文章で作成され、1枚ずつ編集して保存できます

説明文の働き(イメージ)

トリガーワード 赤いコートを着た女の子が、公園のベンチに座って笑っている。

黒:PixAIが自動で追加するトリガーワード 青:書いた内容(生成時にプロンプトで差し替え可能) 書かなかった髪色・瞳の色・トレードマークの小物 → トリガーワードに吸収され、LoRAに固定

画面に表示される書き方のポイントは次のとおりです。

  1. 見えるものだけを書きます。性格や背景設定など、画面の外のことは書きません。
  2. 服装など、あとで変えたい要素は書きます。服装の違う画像も入れておきます。
  3. 複数の人物が写っている場合は、誰が何をしているかをはっきり書きます。「そのうちの1人」のような書き方は避けます。
  4. 髪色、瞳の色、トレードマークの小物など、変わらない特徴は書きません。キャラクター自体の特徴として学習されます。
  5. 同じ内容には、画像セット全体で同じ言葉を使います。「座っている」と決めたら、最後まで「座っている」で統一します。
  6. トリガーワードは自分で書く必要はありません。すべての説明文の先頭に自動で追加されます。

すべての画像に説明文がないと、次のステップに進めません。説明文のない画像が残っている場合は、画面に案内が表示されます。

STEP 3

詳細設定

学習Step数、学習率、ディテール容量、Alpha、更新の安定度を設定し、クレジットを確認して「学習開始」を押します。送信後、学習が始まる前(処理待ち中)なら「学習タスク」からキャンセルできます。学習の料金は全額返金されますが、説明文の料金は返金されません。タスクは下書きに戻り、画像、説明文、基本設定を修正して送信し直せます。学習が始まると、キャンセルはできません。

パラメータの説明

学習Step数(学習量)

クレジットに影響

max_train_steps

325 初期値・50〜800(5刻み)

PixAIアドバンス学習の学習量設定:学習Step数のスライダー。初期値325、範囲50〜800
画面上の「学習量」。初期値は325 Step

学習Step数は、モデルが画像を学習する回数です。初期値は325で、50〜800の間で5刻みに調整できます。画面には「画像数が極端に多い・少ない場合を除き、325のままで」と案内されています。

epochとrepeatsはなく、どの画像も同じ確率で選ばれます。kohyaの感覚に置き換えたい場合は、1枚あたりの平均学習回数を次のように見積もれます。

1枚あたりの平均学習回数 ≈ 学習Step数 × 換算係数 ÷ 画像の枚数

上げる見た目をより強く学習しますが、背景やポーズまで写し取り始めることがあります。学習時間と消費クレジットも増えます。

下げる学習は早く終わりますが、狙った特徴を十分に学習できない場合があります。

500 Stepを超えると、学習に時間がかかる旨の案内が表示されます。基本的には超えないことをおすすめします。

学習率

クレジットに影響なし

learning_rate / unet_lr

6e-4 0.0006・初期値

PixAIアドバンス学習の学習率スライダー。初期値6.0e-4
画面上の「学習率」。初期値は6.0e-4

学習率は、モデルが1回の学習でどれだけ大きく調整するかを決めます。初期値は6e-4(0.0006)、範囲は5e-5(0.00005)〜1e-3(0.001)です。アドバンス学習の学習率は1つだけで、ネットワーク全体に適用されます。kohyaのようにモジュールごとには設定できません。学習率は消費クレジットに影響しません。

上げる学習は速くなりますが、行きすぎて不安定になることがあります。

下げる慎重に学習するぶん、必要なStep数が増えます。

画面の案内:生成結果が乱れたり白飛びしたりする場合は下げてください。

ディテール容量(Rank)

クレジットに影響なし

network_dim

PixAIアドバンス学習のディテール容量(Rank):8・16・32・64。初期値64
画面上の「ディテール容量(Rank)」。初期値は64

ディテール容量は、kohyaのnetwork_dimにあたります。LoRAがどれだけのディテールを保持できるかを表し、8・16・32・64から選びます。初期値は64で、画面上の表示は順に「とても軽め」「軽め」「バランス」「おすすめ」です。Rankが主に変えるのはファイルサイズと保持できるディテールの量で、学習時間への影響はわずかです。消費クレジットにも影響しません。

8とても軽め

16軽め

32バランス

64おすすめ

上げるより細かいディテールを保持できますが、背景も覚えやすくなります。

下げるファイルは小さくなりますが、複雑な模様や小物を捉えきれないことがあります。

Alpha

クレジットに影響なし

network_alpha

PixAIアドバンス学習のAlpha:Rank 64のとき32・64・128から選択。初期値32(安定重視)
画面上の「Alpha」。Rankが64のときは32・64・128から選び、初期値は32

Alphaは、kohyaのnetwork_alphaにあたり、各学習ステップがLoRAにどれだけ強く影響するかを決めます。Rankと釣り合いを取るため、AlphaはRankの半分・同じ値・2倍のいずれかしか選べません。画面ではそれぞれ「安定重視」「バランス型」「特徴重視」と表示され、初期値はRankの半分です。Rankを変えると、Alphaは同じ段階のまま、値だけ自動で変わります。Alphaは消費クレジットに影響しません。

上げる学習は速くなりますが、画像の欠点も同じくらい速く学習してしまいます。

下げる緩やかに学習します。画像が少ない場合や、画風が混在した画像セットに向いています。

Rank 64の場合

32安定重視・×0.5

64バランス型・×1

128特徴重視・×2

実際の効き具合は、AlphaとRankの比率で決まります。Rank 64のとき、3段階のAlphaはそれぞれ32・64・128で、比率は0.5・1・2です。kohyaでよく使われるalpha = 1は、Rank 64だと比率が1/64しかありません。

更新の安定度(Batch size)

クレジットに影響

batch_size

PixAIアドバンス学習の更新の安定度(Batch size):1・2・4。初期値2
画面上の「更新の安定度(Batch size)」。初期値は2

更新の安定度は、kohyaのbatch sizeにあたります。モデルが1回更新する前に確認する画像の枚数で、1・2・4から選べます。初期値は2です。学習クラスターのリソースの都合で、これより大きい値は選べません。

1

2初期値

4

上げる学習が安定し、1枚だけ毛色の違う画像があっても影響を受けにくくなります。1 Stepで処理する画像が倍になるため、学習時間と消費クレジットもはっきり増えます。

下げる更新の反応ははっきりしますが、画像の品質に左右されやすくなります。

画面の案内:画像の傾向がそろっていない場合を除き、2のままで大丈夫です。

Batch sizeは1枚あたりの学習回数にも影響します。同じStep数で2から4にすると、1枚あたりの平均学習回数が倍になり、学習時間も延びます。学習量を変えたくない場合は、Step数を半分にしてください。

アドバンス学習とkohya / sd-scriptsの設定対応表

PixAIの表示対応する一般的なパラメータ初期値 / 選択肢説明
学習Step数max_train_steps325/50〜800(5刻み)Stepの総数で数え、epochとrepeatsはありません。どの画像も同じ確率で選ばれます。500 Stepを超えると、時間がかかり失敗しやすくなる旨の案内が表示されます。
学習率learning_rate / unet_lr6e-4/5e-5〜1e-3学習率は1つだけで、ネットワーク全体に適用されます。
ディテール容量(Rank)network_dim64/8・16・32・64主にファイルサイズと保持できるディテール量に影響し、学習時間への影響はわずかです。
Alphanetwork_alphaRankの半分(Rank 64なら32)/半分・同じ・2倍任意の値は入力できません。消費クレジットに影響しません。
更新の安定度(Batch size)batch_size2/1・2・4値が大きいほど1回の更新で参照する画像が増え、学習が安定します。リソースの都合で、これより大きい値は選べません。
トリガーワードtrigger word / クラストークン必須。半角英字 a–z、数字、スペース、, . _ - のみ。最小文字数なし、最大256文字。連続スペース・先頭末尾のスペースは不可基本設定で1回入力すると、学習時に各説明文の先頭へ自動追加されます。生成時はプロンプトに入れるとLoRAが効きます。
説明文(キャプション)キャプションファイル自動作成後に編集可PixAIの説明文モデルが、Danbooruタグではなく自然な文章で作成します。先に自動作成してから編集し、自動作成の内容に戻すこともできます。

料金と学習時間

説明文の自動作成と学習は別々にクレジットを消費します。どちらも開始前に必要なクレジットが表示されます。

① 説明文の料金・「説明文を自動作成」を押したときに支払い

100 × 枚数 + 500

説明文がある画像には再課金されません。

失敗した場合:説明文の作成に成功した画像の分だけ課金されます。失敗した画像はやり直せます。

② 学習の料金・「学習開始」を押したときに支払い

約70,000クレジット

設定によって変わります。初期設定で約70,000クレジット。特に学習Step数とBatch sizeの影響が大きく、開始前に表示される金額が実際の料金です。

失敗した場合:学習の料金はかかりません。説明文の料金は返金されません。「同じ設定でもう一度試す」でやり直せます。

kohyaで学習する場合と比べて、次の2点が異なります

説明文の自動作成は独立した課金

説明文のない画像に自動作成を実行するたびに、100 × 作成枚数 + 500クレジットがかかります。金額は実行前に表示されます。説明文を作成した画像は、あとで削除してもクレジットは戻りません。

説明文がある画像には二重に課金されない

自動作成は説明文のない画像だけを処理します。あとから画像を追加した場合も、追加分だけが課金対象です。

アドバンス学習では、クレジットが2回に分けて消費されます。

  1. 説明文の料金:「説明文」ステップで「説明文を自動作成」を押したときに支払います。
  2. 学習の料金:「詳細設定」ステップで「学習開始」を押したときに、表示された金額を支払います。

具体例

  • 初めての学習30枚の画像を追加して「説明文を自動作成」を押すと、枚数分の料金に500クレジットが加わります。金額は実行前に表示されます。説明文を確認し、パラメータを決めて「学習開始」を押すと、表示された学習料金(初期設定で約70,000クレジット)を支払います。
  • 画像を追加さらに5枚追加すると、自動作成は追加した5枚だけを処理し、枚数分の料金とあらためて500クレジットがかかります。最初の30枚には再課金されません。
  • 一部が失敗2枚の説明文を作成できなかったときは、成功した28枚の分だけ課金され、500クレジットは通常どおりかかります。失敗した2枚をもう一度自動作成すると、500クレジットが追加でかかります。
  • 学習が失敗学習の料金はかかりませんが、支払った説明文の料金は返金されません。「学習タスク」の「同じ設定でもう一度試す」でやり直せます。
  • キャンセル処理待ちの間にキャンセルすると、学習の料金は全額返金されます。説明文の料金は返金されません。タスクは下書きに戻り、編集して送信し直せます。

学習時間

2〜6時間 処理待ちを除く

学習時間と消費クレジットは、主に学習Step数とBatch sizeで決まります。学習率、Rank、Alphaは料金に影響せず、時間への影響もわずかです。送信した学習はまず処理待ちの列に入るため、完了時刻は混み具合によって変わります。理由はLoRA学習に時間がかかる理由で解説しています。

アドバンス学習にかかる時間は約2〜6時間です(処理待ちの時間は含みません)。学習中は画像セットがロックされます。学習が失敗した場合や、処理待ち中にキャンセルした場合はロックが解除されます。学習が一時停止しても自動で再開され、追加の料金はかかりません。

学習開始前のチェックリスト

「学習開始」を押す前に、次の項目を確認してください。

  • 画像:総ピクセル数が512×512以上、縦横比が1:3〜3:1、形式はPNG・JPG・WebP、枚数は10〜100枚。
  • 画像の内容:角度、ポーズ、構図に十分な変化があり、コマ割り画像やほぼ同じ画像が入っていない。複数キャラクターのLoRAなら、各キャラクター単体の画像と一緒の画像がそろっている。
  • 基本設定:LoRA名、LoRAタイプ、ベースモデル、トリガーワードを確認済み。送信後は変更できません。
  • 説明文:1枚ずつ確認し、見えていて変わる要素だけを書き、同じ内容は同じ言葉で統一した。すべての画像に説明文がある(「説明文なし」が0)。そうでないと次に進めません。
  • パラメータ:特に狙いがなければ初期値のまま(325 Step、学習率6e-4、Rank 64、Alpha 32、Batch size 2)。
  • 料金と時間:表示された金額と目安時間を確認済み。キャンセルできるのは処理待ちの間だけ(学習料金は返金、説明文の料金は返金なし)で、学習が始まるとキャンセルできません。

学習完了後:公開と管理

学習が終わったら、「学習タスク」で「公開」を押します。公開後は、モデルページの「モデル編集」から次の設定をいつでも変更できます。

公開範囲

  • 非公開 ほかのユーザーには表示されず、あとから公開に切り替えられます。非公開にできるのはメンバーシップ会員だけで、数には上限があります。残りの枠は「モデル編集」で確認できます。詳しくはプライベートLoRAの削除についてをご覧ください。
  • 公開 すべてのユーザーが使えます。一度公開すると、非公開には戻せません。

クレジット還元

「モデル編集」の「還元設定」で、「還元に参加する」か「還元に参加しない」を選べます。参加すると、ほかのユーザーがこのLoRAを使った回数に応じてクレジットが還元されます。自分で使った分は対象外のため、非公開のLoRAは参加しても還元はありません。

一度参加すると取り消せず、そのLoRAは削除できなくなります。LoRAを公開し、今後削除する予定がないと決めてから参加することをおすすめします。

詳しくはLoRA還元プログラムのアップグレードをご覧ください。

ダウンロードと商用利用

Tsubaki.2とTsubaki.3はどちらもDiT系のモデルです(モデルページではDiT.2、DiT.3と表示)。学習したLoRAはダウンロードできず、PixAI上でのみ使えます。注意点はDiT LoRA学習ガイドにまとめています。

「モデル編集」の「権限」で、このLoRAで生成した画像の商用利用をほかのユーザーに許可するかどうかを選べます。

モデル情報

モデル名、タグ、説明、カバー画像は「モデル編集」からいつでも変更できます。LoRAタイプとベースモデルは変更できません。学習時の設定と最終版の説明文はモデルと一緒に保存されるので、あとから確認でき、ほかのユーザーにもLoRAを見つけてもらいやすくなります。

よくある質問

トリガーワードは説明文ごとに書く必要がありますか?

必要ありません。すべての説明文の先頭に自動で追加されるので、基本設定で1回入力するだけです。生成するときはプロンプトにトリガーワードを入れてください。

説明文の自動作成を飛ばして、自分のキャプションを使えますか?

現在は対応していません。どの画像も先に説明文を自動作成し、そのあとで編集する流れです。既存のキャプションファイルのインポートにも対応していません。

epochとrepeatsがないのはなぜですか?

アドバンス学習はStepの総数(学習Step数)で学習量を決め、どの画像も同じ確率で選ばれる仕組みだからです。換算方法は学習Step数の項目をご覧ください。

Alphaに1を入力できないのはなぜですか?

AlphaはRankの半分・同じ値・2倍のいずれかしか選べないためです。実際の効き具合はAlphaとRankの比率で決まります。

Batch sizeが1・2・4しかないのはなぜですか?

学習クラスターのリソースの都合です。Batch sizeが大きいほど更新は安定しますが、1 Stepで処理する画像が増えるため、学習時間と消費クレジットも増えます。たいていは初期値の2で問題ありません。

Rankを64にすると学習がかなり遅くなりますか?

影響はわずかで、消費クレジットも増えません。学習時間と料金は主に学習Step数とBatch sizeで決まり、Rankが主に変えるのはファイルサイズと保持できるディテールの量です。

学習が始まったあとでベースモデルを変えられますか?

変えられません。学習が始まると基本設定は固定されるため、新しく学習を作成してください。学習開始前なら、送信前はそのまま戻って修正でき、送信後も処理待ちの間にキャンセルすれば下書きに戻して修正できます。

送信したあとでキャンセルできますか?

学習が始まる前(処理待ち中)ならできます。学習が始まるとキャンセルできません。「学習タスク」からキャンセルすると、学習の料金は全額返金されますが、説明文の料金は返金されません。タスクは下書きに戻り、ベースモデルを含めて修正して送信し直せます。

学習したLoRAはダウンロードできますか?

現在はできません。Tsubaki.2とTsubaki.3はDiT系のモデルで、学習したLoRAはPixAI上でのみ使えます。

学習したLoRAを生成で使う方法や強さの調整は、LoRAの使い方とLoRAウェイト設定ガイドをご覧ください。

画像の準備はできましたか?

チェックリストを確認してから、初めてのアドバンス学習を送信してみてください。