PixAI / DiT LoRA 학습 가이드
PixAI에서 나만의 캐릭터와 화풍을 만드는 가장 강력한 방법은 이제 DiT LoRA 학습입니다. 최신 DiT.3는 물론 DiT.2, DiT.1 아키텍처도 지원하므로, PixAI의 플래그십 DiT 기본 모델로 직접 LoRA를 학습할 수 있습니다.
이 글에서는 첫 학습을 시작하기 전에 알아야 할 내용을 정리했습니다. 어떤 DiT 모델이 있는지, 그중 실제로 학습에 쓸 수 있는 모델은 무엇인지, 학습 시간은 얼마나 걸리는지, 트리거 워드는 어떻게 정하는지, 권장 데이터셋 조건, 그리고 초보자가 가장 자주 실수하는 부분까지 다룹니다.
PART ONE — 왜 DiT인가
DiT LoRA 학습이 지금 SDXL보다 나은 이유
SDXL 계열 모델로 두 명 이상의 캐릭터를 한 화면에 그리면 얼굴, 머리카락, 옷 같은 요소가 캐릭터끼리 섞이는 '특징 융합'이 자주 일어납니다. 세 명 이상이 되면 훨씬 더 심해집니다.
DiT 아키텍처는 다중 캐릭터 구도를 훨씬 안정적으로 그립니다. 캐릭터마다 특징을 따로 유지하고, 거리감과 시선, 손동작, 앞뒤 겹침 같은 상호작용도 자연스럽게 표현합니다. 여러 명이 나오는 장면에서도 무너지지 않는 LoRA가 필요하거나 PixAI 최신 기본 모델의 품질을 쓰고 싶다면, 지금은 DiT LoRA 학습이 더 좋은 선택입니다. 기본 모델과 LoRA의 관계가 아직 헷갈린다면 모델과 LoRA 기초부터 읽어 보세요.
PART TWO — 모델 라인업
PixAI의 DiT 모델 한눈에 보기
현재 사용할 수 있는 DiT 기본 모델은 다음과 같습니다.
DiT.3 모델
Tsubaki.3: 최신 DiT.3 아키텍처 기반의 PixAI 현재 플래그십 모델로, LoRA 학습 화면에서 '추천'으로 표시되는 기본 모델입니다. 기본 해상도는 최대 2048×2048이며, 작가 화풍 재현, 프롬프트 반영도, 캐릭터 일관성이 모두 이전 세대보다 좋아졌고 모델 자체 화풍의 영향도 덜 받습니다. 한 페이지 만화, 텍스트 배치, 빛과 그림자 제어, 대화형 이미지 편집 같은 새 기능은 Tsubaki.3 출시 소개에서, 프롬프트 작성법은 Tsubaki.3 프롬프트 가이드에서 확인하세요.
DiT.2 모델
Tsubaki.2: PixAI의 DiT.2 모델입니다. 생성 품질과 프롬프트 이해력 모두 DiT.1 계열보다 한 단계 높습니다. 실제 사용감은 Tsubaki.2 사용 후기에서, 프롬프트 작성법은 DiT 모델 프롬프트 작성 가이드에서 볼 수 있습니다.
DiT.1 모델
- Tsubaki의 강화 버전으로 미감과 디테일 모두 향상
- 얼굴, 의상, 배경 표현이 더 섬세함
- 전체 완성도와 색 조화가 더 좋아짐
- Tsubaki의 공식 고속 버전
- LoRA 호환성이 높음(특히 원래 Tsubaki로 학습한 LoRA)
PART THREE — 학습 가능한 모델
LoRA 학습에 쓸 수 있는 DiT 모델은?
모든 DiT 기본 모델을 학습 베이스로 쓸 수 있는 것은 아닙니다. 현재 PixAI에서 DiT LoRA 학습에 쓸 수 있는 기본 모델은 세 가지이며, 그중 Tsubaki는 기본 학습만 지원합니다.
| 모델 | 아키텍처 | 학습 베이스 | 학습 방식 | 생성 |
|---|---|---|---|---|
| Tsubaki.3 | DiT.3 | ✅ | 기본 학습, 고급 학습 | ✅ |
| Tsubaki.2 | DiT.2 | ✅ | 기본 학습, 고급 학습 | ✅ |
| Tsubaki | DiT.1 | ✅ | 기본 학습 | ✅ |
| Tsubaki v1.1 | DiT.1 | ❌ | — | ✅ |
| Tsubaki Flash | DiT.1 | ❌ | — | ✅ |
| Serin | DiT.1 | ❌ | — | ✅ |
Tsubaki v1.1, Tsubaki Flash, Serin은 생성에는 쓸 수 있지만, LoRA 학습 화면에서는 선택할 수 없어 학습 베이스로 쓸 수 없습니다. 다만 '학습 베이스로 쓸 수 있는가'와 '학습한 LoRA를 어디서 쓸 수 있는가'는 별개의 문제입니다. 같은 계열의 모델끼리는 LoRA 호환성이 비교적 높아서, 예를 들어 Tsubaki.3으로 학습한 LoRA는 대응하는 Flash 모델에서, Tsubaki로 학습한 LoRA는 Tsubaki Flash에서 쓸 수 있습니다. 하지만 결과가 원래 기본 모델과 완전히 같다는 보장은 없습니다. 계열이 다른 모델끼리는 호환되지 않을 수 있습니다.
⚠️ 중요: Tsubaki.2는 하위 호환되지 않습니다. Tsubaki.2는 독립된 기본 모델입니다. Tsubaki, Tsubaki v1.1, Tsubaki Flash, Serin 등 다른 모델로 학습한 LoRA는 Tsubaki.2에서 작동하지 않습니다. Tsubaki.2에서 LoRA를 쓰려면 Tsubaki.2 전용으로 다시 학습해야 합니다. Tsubaki.2와 Tsubaki.3 사이도 호환되지 않으므로 LoRA를 서로 바꿔 쓸 수 없고, 각각의 기본 모델로 따로 학습해야 합니다.
잘 나오는 Tsubaki LoRA가 이미 있고 같은 콘셉트를 Tsubaki.2로 옮기고 싶다면, PixAI의 데이터셋 재사용 기능으로 클릭 몇 번 만에 기존 데이터셋을 다시 쓸 수 있습니다. 기본 학습으로 기존 데이터셋을 재사용하면 학습 비용이 할인되며, 할인 폭은 기본 모델마다 다르니 학습 시작 전 화면에 표시되는 금액을 기준으로 확인하세요. 고급 학습은 이 할인 대상이 아니며, 기본 학습과 고급 학습의 데이터셋은 서로 호환되지 않습니다. 전체 과정은 멀티 버전 LoRA와 데이터셋 재사용 가이드에서 확인하세요.
PART FOUR — 학습 시간
DiT LoRA 학습은 얼마나 걸릴까
DiT LoRA 학습은 기존 SDXL 학습보다 느립니다. 바탕이 되는 아키텍처 자체가 훨씬 무겁기 때문입니다. 대략 다음 시간을 예상하면 됩니다.
| 학습 베이스 | 1회 소요 시간(대기 시간 제외) |
|---|---|
| Tsubaki.3(DiT.3) | 약 2시간 |
| Tsubaki.2(DiT.2) | 약 2시간 |
| Tsubaki(DiT.1) | 약 70분 |
학습 대기열에 표시되는 예상 시간은 참고용일 뿐 보장된 값이 아닙니다. 실제 시간은 대기열 부하와 데이터셋 크기에 따라 달라지며, 처음 표시되는 예상치가 가장 부정확합니다. 대기열에 넣은 뒤에는 다른 일을 하며 기다리면 되고, 페이지를 계속 새로고침할 필요는 없습니다. 예상보다 훨씬 오래 걸린다면 원인과 대처법을 PixAI LoRA 학습이 오래 걸리는 이유에 정리해 두었습니다.
PART FIVE — 트리거 워드
DiT LoRA 학습 시 트리거 워드 원칙
Tsubaki.3, Tsubaki.2, Tsubaki 중 무엇으로 학습하든 트리거 워드 원칙은 같습니다. 의미 없는 짧은 단어를 쓰고, 모델이 이미 아는 단어는 쓰지 않습니다. 트리거 워드 자체가 아직 낯설다면 LoRA 트리거 워드 완전 정리를 먼저 읽어 보세요.
좋은 트리거 워드의 조건
- 화풍 LoRA: zqvrk처럼 완전히 의미 없는 알파벳 조합이면 됩니다.
- 캐릭터 LoRA: kaiamirelune처럼 다른 것과 겹치기 어려운 조금 긴 이름을 캐릭터에게 붙여 주세요.
- 최대한 간결하게: 짧은 한 단어가 가장 좋습니다. 여러 단어가 필요하면 kaia_mirelune처럼 언더스코어로 잇고, 공백이나 쉼표로 나누지 않습니다.
트리거 워드로 쓰면 안 되는 단어
2차 창작 캐릭터의 원래 이름이나 원작 제목, Danbooru 태그, long silver hair나 golden eyes 같은 흔한 외모 묘사는 기본 모델이 이미 정해진 의미로 이해하고 있습니다. LoRA는 모델에 작은 범위로 추가 수정을 가할 뿐이라, 이런 단어를 트리거 워드로 쓰면 모델이 원래 이해하던 의미가 흐트러집니다. 게다가 LoRA가 내부에서 무엇을 배웠는지는 블랙박스라서, 결과가 기대대로 나온다는 보장도 없습니다.
그 밖의 원칙
- LoRA마다 각자의 트리거 워드 쓰기: 여러 LoRA가 같은 트리거 워드를 쓰면 모델이 뒤섞인 특징을 학습해 추론 결과를 예측할 수 없습니다.
- 생성할 때는 트리거 워드를 꼭 넣기: 내 LoRA든 다른 사람의 LoRA든 기본은 프롬프트 맨 앞에 둡니다. 트리거 워드를 문장 안에 넣을 수도 있지만 효과가 더 좋다는 보장은 없으니, 선택적으로 시도해 볼 방법으로 생각하세요.
- 모델을 바꾸면 효과는 보장되지 않음: 같은 계열의 모델끼리는 비교적 잘 맞지만, 계열이 다른 모델끼리는 호환되지 않을 수 있습니다.
- 바뀌어야 하는 요소는 캡션에 쓰기: 의상, 포즈, 배경은 이미지 캡션에 적어야 생성할 때 바꿀 수 있습니다. 캡션에 적지 않은 내용은 트리거 워드와 묶입니다.
- 형식 제한: 트리거 워드는 최대 256자이며, 연속된 공백이나 앞뒤 공백은 쓸 수 없습니다.
PART SIX — 데이터셋
DiT LoRA 학습 권장 데이터셋 조건
어떤 DiT 기본 모델로 학습하든 데이터셋 원칙은 같습니다.
이미지 장수
한 번 학습할 때 최소 10장, 최대 100장이 필요하며 25장 이상을 권장합니다. 일정 장수를 넘으면 더 늘려도 효과가 크게 오르지 않습니다. 캐릭터 LoRA라면 같은 캐릭터의 포즈, 표정, 시점이 다양할수록 좋습니다.
이미지 품질과 일관성
- 모든 이미지에 학습시키고 싶은 공통 특징(같은 캐릭터, 같은 화풍, 같은 콘셉트)이 있어야 합니다
- 각 이미지의 총 픽셀 수는 512×512 이상, 종횡비는 1:3~3:1 사이여야 합니다. 크기는 통일하지 않아도 되며, 학습할 때 종횡비별로 자동 분류됩니다
- 주제나 화풍의 통일성을 분명히 하세요. 데이터셋이 뒤죽박죽이면 학습된 LoRA도 뒤죽박죽이 됩니다
캡션 작성법
- 원칙: 캡션에 적은 내용은 생성할 때 프롬프트로 조절할 부분이고, 적지 않은 내용은 LoRA가 배울 부분입니다.
- 캐릭터 LoRA: 머리색, 눈동자 색, 대표 액세서리처럼 LoRA가 배웠으면 하는 특징은 적지 않습니다. 헤어스타일을 학습시키고 싶다면 헤어스타일도 적지 말고, 모든 이미지를 같은 헤어스타일로 맞추세요. 의상, 포즈, 배경처럼 나중에 바꾸고 싶은 내용은 적습니다.
- 화풍 LoRA: 모든 이미지가 같은 화풍이어야 합니다. 가장 추천하는 방법은 캡션을 모두 비우고 트리거 워드에만 맡기는 것입니다. 적는다면 화면에 있는 것만 기록하고, 분위기나 터치처럼 화풍을 묘사하는 단어는 쓰지 않습니다. 기본 학습의 화풍 유형은 캡션이 자동으로 비워지므로 가장 간편합니다. 학습 파라미터까지 직접 조정하고 싶다면 고급 학습을 쓰고, 자동 생성된 캡션을 직접 지워 비워 두세요.
더 자세한 설명과 예시는 LoRA 트리거 워드 완전 정리에서 확인하세요.
기존 데이터셋 재사용하기
PixAI에서 LoRA를 학습한 적이 있고 다시 돌리고 싶다면, 예를 들어 예전 Tsubaki 콘셉트를 Tsubaki.2로 옮기거나 새로운 학습 파라미터를 시험해 보고 싶다면 기존 데이터셋을 그대로 쓸 수 있습니다. 기본 학습으로 기존 데이터셋을 재사용하면 학습 비용이 할인되며, 할인 폭은 기본 모델마다 다르고 화면에 표시되는 금액이 기준입니다. 고급 학습은 이전 고급 학습에서만 이미지를 가져올 수 있습니다. 기존 캡션도 함께 들어오고 캡션 생성 비용은 들지 않지만, 학습 비용은 할인되지 않습니다. 자세한 과정은 멀티 버전 LoRA와 데이터셋 재사용 가이드에 있습니다.
PART SEVEN — 학습 시작
첫 DiT LoRA 학습 단계
- PixAI LoRA 학습 페이지로 이동해 '기본 학습'을 선택합니다.
- 유형 선택: 캐릭터, 화풍, 의상, 기타(동물, 포즈, 배경 등) 중에서 고릅니다.
- 이미지 선택: 이미지를 10~100장 업로드합니다. 25장 이상을 권장합니다.
- 확인 및 이름 지정: LoRA 이름을 정하고 트리거 워드를 입력합니다(정하는 법은 위의 PART FIVE 참고). 이어서 '기본 모델'에서 아키텍처 탭을 먼저 고른 뒤 기본 모델을 선택합니다. DiT.3은 Tsubaki.3, DiT.2는 Tsubaki.2, DiT.1은 Tsubaki입니다.
- 금액을 확인하고 학습을 시작한 뒤 완료될 때까지 기다립니다. Tsubaki.3과 Tsubaki.2는 대기가 없으면 약 2시간 걸립니다.
이미지마다 캡션을 수정하거나 학습 파라미터를 조정하고 싶다면 고급 학습을 사용하세요(Tsubaki.3과 Tsubaki.2만 지원). 기본 학습과 고급 학습의 데이터셋은 서로 호환되지 않습니다.
QUESTIONS
DiT LoRA 학습 자주 묻는 질문
어떤 DiT 모델로 LoRA를 학습할 수 있나요?
현재 PixAI에서 DiT LoRA 학습에 쓸 수 있는 기본 모델은 Tsubaki.3(DiT.3), Tsubaki.2(DiT.2), Tsubaki(DiT.1, 기본 학습만 지원) 세 가지입니다. 다른 DiT 모델인 Tsubaki v1.1, Tsubaki Flash, Serin은 생성에는 쓸 수 있지만 LoRA 학습 화면의 기본 모델 선택지에는 나오지 않습니다.
DiT.3, DiT.2, DiT.1은 무엇이 다른가요?
차이는 각각의 기본 모델에 있습니다. DiT.3은 Tsubaki.3, DiT.2는 Tsubaki.2, DiT.1은 Tsubaki입니다. 화면 표현, 프롬프트 작성법, 잘 그리는 내용은 기본 모델이 결정하며, 학습한 LoRA도 같은 계열의 기본 모델에서만 쓸 수 있습니다. 모델별 특징은 Tsubaki.3 출시 소개, Tsubaki.2 소개, Tsubaki 소개에서 확인하세요.
DiT LoRA 학습은 얼마나 걸리나요?
Tsubaki.3과 Tsubaki.2의 LoRA 학습은 대기가 없으면 약 2시간, Tsubaki(DiT.1)는 약 70분입니다. 대기열에 표시되는 시간은 예상치이며 시스템 부하에 따라 달라집니다.
Tsubaki로 학습한 LoRA를 Tsubaki Flash에서 쓸 수 있나요?
쓸 수 있지만 원래 기본 모델과 완전히 같은 결과는 보장되지 않습니다. 같은 계열 모델끼리는 LoRA 호환성이 비교적 높아서, Tsubaki로 학습한 LoRA는 Tsubaki Flash에서, Tsubaki.3으로 학습한 LoRA는 대응하는 Flash 모델에서 쓸 수 있습니다. 계열이 다른 모델끼리는 호환되지 않을 수 있으며, 예를 들어 Tsubaki.2와 Tsubaki.3의 LoRA는 서로 바꿔 쓸 수 없습니다.
Tsubaki의 LoRA를 Tsubaki.2에서 쓸 수 있나요?
쓸 수 없습니다. Tsubaki.2는 독립된 기본 모델이라 Tsubaki, Tsubaki v1.1을 포함해 다른 모델로 학습한 LoRA와 호환되지 않습니다. Tsubaki.2용으로 다시 학습해야 합니다. PixAI의 데이터셋 재사용 기능을 쓰면 빠르게 다시 학습할 수 있고, 기본 학습으로 재사용하면 학습 비용이 할인됩니다(할인 폭은 기본 모델마다 다르며 화면 금액이 기준). 고급 학습은 이 할인 대상이 아닙니다.
Tsubaki.2의 LoRA를 Tsubaki.3에서 쓸 수 있나요?
쓸 수 없습니다. 두 모델은 각각 독립된 기본 모델이라 LoRA를 바꿔 쓸 수 없으며, 따로 학습해야 합니다.
기본 학습과 고급 학습은 어떤 기본 모델을 지원하나요?
기본 학습은 DiT.3(Tsubaki.3), DiT.2(Tsubaki.2), DiT.1(Tsubaki)과 SDXL, SD 1.5 계열 기본 모델을 지원합니다. 고급 학습은 Tsubaki.3과 Tsubaki.2만 지원합니다. 두 방식의 데이터셋은 서로 호환되지 않습니다.
학습할 때 트리거 워드는 어떻게 정하나요?
의미 없는 짧은 단어를 쓰고, 모델이 이미 아는 단어는 피합니다. 화풍 LoRA는 "zqvrk"처럼 완전히 의미 없는 알파벳 조합, 캐릭터 LoRA는 "kaiamirelune"처럼 다른 것과 겹치기 어려운 조금 긴 이름이 좋습니다. 여러 단어는 언더스코어로 잇습니다. 2차 창작 캐릭터의 원래 이름, Danbooru 태그, 흔한 외모 묘사는 쓰지 마세요. 이 원칙은 Tsubaki.3, Tsubaki.2, Tsubaki 모두에 적용됩니다.
DiT LoRA를 학습하려면 이미지가 몇 장 필요한가요?
최소 10장, 최대 100장이며 25장 이상을 권장합니다. 캐릭터 LoRA라면 같은 캐릭터의 포즈가 다양할수록 좋습니다. 품질과 주제를 일관되게 유지하면 이미지 크기는 통일하지 않아도 됩니다.
Tsubaki.3, Tsubaki.2, Tsubaki LoRA 학습을 지금 바로 시작할 수 있습니다. 원하는 그림에 맞는 기본 모델을 고르고, 독특한 트리거 워드를 정한 뒤 학습을 시작해 보세요.