PixAI LoRA 학습 설정 가이드|고급 학습 파라미터와 kohya 비교

핵심 요약 학습 순서 이미지 준비 다중 캐릭터 시스템 항목 기본 설정 설명문 고급 매개변수 kohya 비교 비용과 시간 체크리스트 공개와 관리 자주 묻는 질문

Guide · 고급 학습

PixAI LoRA 고급 학습 가이드

진행 단계

3단계

기본 학습 스텝

325

이미지 수

10~100장

학습 시간

2~6시간

고급 학습에서는 LoRA 학습 과정을 직접 세밀하게 설정할 수 있습니다. 이미지마다 설명문을 한 장씩 확인하고 수정할 수 있고, 학습 스텝, 학습률, 디테일 용량(Rank), Alpha, Batch size도 직접 정합니다. 기본값은 모두 기본 학습과 같으므로, 테스트해 보고 싶은 항목만 바꾸면 됩니다.

PixAI LoRA 학습 시작 화면. 고급 학습 카드가 빨간 테두리로 표시됨
LoRA 학습 시작 화면에서 '고급 학습'을 선택합니다

다른 탭에서 고급 학습을 열어 두고 이 가이드와 비교하면서 설정해 보세요.

kohya나 sd-scripts로 LoRA를 학습해 본 적이 있다면 다음 세 가지가 다릅니다

Steps학습량은 전체 스텝 수로 정합니다. epoch와 repeats는 없습니다.

AlphaAlpha는 Rank의 절반, 같은 값, 2배 중에서만 고를 수 있습니다.

Caption설명문은 PixAI가 먼저 자동으로 생성하고, 그다음 직접 수정합니다.

핵심 요약

Steps

학습량은 전체 스텝 수

학습 스텝은 50~800, 기본값은 325입니다. epoch와 repeats는 없습니다.

Learning rate

학습률은 하나

기본값 6e-4가 네트워크 전체에 적용되며, 모듈별로 따로 설정할 수 없습니다.

Alpha

Alpha는 3단계

Rank의 절반, 같은 값, 2배 중에서 고르며 기본값은 Rank의 절반입니다. 크레딧 소모량은 주로 학습 스텝과 Batch size에 따라 정해지고, 학습률·Rank·Alpha는 영향을 주지 않습니다.

Caption

설명문은 먼저 자동 생성

Danbooru 태그가 아닌 자연어 문장으로 만들어지며, 생성 후 한 장씩 수정할 수 있습니다.

Trigger word

트리거 단어는 맨 앞에 자동 추가

'기본 설정'에서 입력하면 모든 이미지의 설명문에 자동으로 붙습니다. 한 장씩 직접 넣을 필요가 없습니다.

Credits

설명문 생성과 학습은 따로 과금

이미 설명문이 있는 이미지는 다시 과금되지 않습니다. 학습이 실패하면 학습 비용은 청구되지 않으며, 설명문을 생성한 이미지를 삭제해도 환불되지 않습니다.

학습 진행 순서

고급 학습은 '기본 설정', '설명문', '고급 매개변수' 3단계로 진행됩니다. 순서는 일반적인 LoRA 학습과 비슷하지만, 설명문(캡션)을 PixAI가 생성한다는 점과 학습을 만든 뒤에는 바꿀 수 없는 설정이 있다는 점이 다릅니다.

1

기본 설정 →

LoRA 이름, LoRA 타입, 기본 모델, 트리거 단어

2

설명문 →

이미지를 추가하고 설명문을 자동 생성한 뒤 한 장씩 확인·수정

3

고급 매개변수 →

스텝·학습률·Rank·Alpha·Batch size를 정하고 크레딧 확인 후 학습 시작

설명문은 자동으로 저장됩니다. 중간에 페이지를 떠나도 '학습 작업'에서 이어서 진행할 수 있습니다. 설명문을 생성하는 동안, 대기 중, 학습 중에는 페이지를 닫아도 됩니다.

기본 설정

PixAI 고급 학습 기본 설정 화면: LoRA 이름, 트리거 단어, LoRA 타입, 기본 모델
LoRA 이름과 트리거 단어를 입력하고, LoRA 타입과 기본 모델을 선택합니다

설명문

PixAI 고급 학습 설명문 단계: 이미지 추가 영역과 설명문 작성 방법
기기, 생성 기록, 과거 학습에서 이미지를 추가합니다
PixAI 고급 학습 이미지 세트: 설명문이 없는 이미지와 크레딧이 표시된 자동 설명 생성 버튼
'자동 설명 생성'을 누르면 버튼 옆에 필요한 크레딧이 표시됩니다
PixAI 고급 학습 설명문 편집 창. 트리거 단어가 자동 추가됨
설명문을 한 장씩 확인하고 수정합니다. 트리거 단어는 자동으로 추가됩니다

고급 매개변수

PixAI 고급 학습 고급 매개변수 화면: 학습 스텝, 학습률, Rank, Alpha, Batch size
학습 스텝, 학습률, Rank, Alpha, Batch size를 정하고 크레딧을 확인한 뒤 학습을 시작합니다

이미지 준비

LoRA가 무엇을 배우는지는 이미지 세트가 정합니다. LoRA가 기억해야 할 특징은 모든 이미지에서 같게 유지하고, 나머지는 최대한 다양하게 구성해 주세요. 그래야 모델이 LoRA 자체의 특징과 우연히 찍힌 요소를 구분할 수 있습니다. 캐릭터 LoRA를 예로 들면 다음과 같습니다.

좋은 예나쁜 예나쁜 예의 인물은 예시 이미지입니다

각도

정면, 측면, 뒷모습에 더해 부감과 앙각 구도도 넣습니다. 정면 이미지만 있으면 측면이나 뒷모습을 생성할 때 형태가 무너지기 쉽습니다.

PixAI LoRA 학습 이미지 세트 예시(각도): 정면·측면·뒷모습과 정면만 있는 경우 비교

동작과 포즈

서기, 앉기, 걷기, 손 뻗기 등 다양한 포즈를 넣습니다. 모든 이미지가 같은 포즈라면 LoRA도 그 포즈에 고정되기 쉽습니다.

PixAI LoRA 학습 이미지 세트 예시(포즈): 서기·앉기·걷기·손 뻗기와 모두 선 포즈인 경우 비교

구도와 거리

얼굴 클로즈업, 상반신, 전신을 섞습니다. 클로즈업만 있으면 의상과 체형을 학습하기 어렵습니다.

PixAI LoRA 학습 이미지 세트 예시(구도): 클로즈업·상반신·전신과 클로즈업만 있는 경우 비교

표정

생성할 때 표정을 바꾸고 싶다면 다양한 표정의 이미지를 넣어 둡니다.

PixAI LoRA 학습 이미지 세트 예시(표정): 웃음·슬픔·놀람과 무표정만 있는 경우 비교

배경

배경은 최대한 다양하게 구성합니다. 대부분의 이미지가 같은 배경이면 배경까지 함께 학습됩니다.

PixAI LoRA 학습 이미지 세트 예시(배경): 공원·실내·하늘·거리와 같은 실내 배경만 있는 경우 비교

화질

선명하고 워터마크나 글자가 없는 이미지를 고릅니다. 여러 컷으로 나뉜 이미지나 콘티는 한 장씩 잘라서 추가해 주세요.

PixAI LoRA 학습 이미지 세트 예시(화질): 선명한 단일 이미지와 워터마크·글자·멀티 패널·흐릿한 이미지 비교

중복 피하기

크기만 다른 같은 이미지처럼 거의 똑같은 이미지는 넣지 않습니다. 중복된 이미지는 과하게 학습됩니다.

PixAI LoRA 학습 이미지 세트 예시(중복): 서로 다른 세 장과 같은 이미지를 세 가지 크기로 저장한 경우 비교

캐릭터 디자인

같은 버전의 디자인만 사용합니다. 워터마크, 서명, 말풍선은 최대한 지우고, 흐릿하거나 잘못 그려진 이미지는 빼고, 넓은 여백은 잘라 냅니다.

PixAI LoRA 학습 이미지 세트 예시(디자인): 같은 디자인과 이전 디자인·말풍선·넓은 여백 비교

그림체 LoRA는 반대로 생각합니다. 인물, 장면, 소재는 최대한 다양하게 하고 그림체만 통일합니다.

LoRA 하나로 여러 캐릭터 학습하기

캐릭터 A와 캐릭터 B처럼 LoRA 하나로 여러 캐릭터를 학습하려면 이미지 세트에 'A만 있는 이미지', 'B만 있는 이미지', 'A와 B가 함께 있는 이미지' 세 종류가 모두 필요합니다.

이미지 세트 구성

PixAI 다중 캐릭터 LoRA 이미지 세트 예시: A만, B만, A와 B가 함께 있는 이미지

종류별 10장 이상 장수는 되도록 비슷하게

혼자 있는 이미지만 있으면 한 화면에 두 사람을 따로 그려 내기 어렵고, 두 캐릭터의 특징이 섞이는 경우가 많습니다. 함께 있는 이미지만 있으면 한 명만 따로 생성하기 어렵습니다. 세 종류의 장수가 완전히 같을 필요는 없지만, 각각 충분한 양이 있어야 합니다(종류별 10장 이상, 장수는 되도록 비슷하게).

LoRA 하나에는 트리거 단어를 하나만 설정할 수 있으므로, 캐릭터는 설명문 속 호칭으로 구분합니다. 캐릭터마다 고정된 호칭을 정하고 이미지 세트 전체에서 같은 호칭을 사용해 주세요. 머리색이나 눈동자 색처럼 바뀌지 않는 특징은 쓰지 않고 각 호칭에 묶이도록 합니다. 함께 있는 이미지에서는 두 사람의 위치와 동작을 각각 적어 주세요. 생성할 때 프롬프트에 해당 호칭을 쓰면 어떤 캐릭터를 그릴지 지정할 수 있습니다. 생성 단계의 요령은 다중 캐릭터 LoRA 생성 가이드에서 확인하세요.

시스템이 정하는 항목

다음 항목은 시스템이 정하며 변경할 수 없습니다.

학습 해상도

학습 해상도는 모델에 따라 정해지며 변경할 수 없습니다. 이미지는 전체 픽셀 수가 512×512(약 26.2만 픽셀) 이상이고, 가로세로 비율이 1:3~3:1 사이여야 합니다. 조건에 맞지 않는 이미지는 추가할 수 없습니다.

전체 픽셀 수로 판단하기 때문에 한 변이 512보다 짧아도 조건을 충족할 수 있습니다. 예를 들어 400×700 이미지는 28만 픽셀이라 추가할 수 있습니다. 1200×300 이미지는 픽셀 수는 충분하지만 비율이 4:1이어서 추가할 수 없습니다.

PixAI LoRA 학습 해상도 규칙: 512×512 기준, 400×700 추가 가능, 1200×300 추가 불가
전체 픽셀 수와 가로세로 비율로 판단합니다

이미지 추가 방법과 형식

'기기에서 업로드', '생성 기록에서 선택', '과거 학습에서 가져오기' 세 가지 방법으로 추가할 수 있습니다. PNG, JPG, WebP 형식을 지원하며, 한 번 학습할 때 10~100장이 필요합니다.

네트워크 유형

표준 LoRA만 지원합니다. LoCon, LoHa 같은 LyCORIS 계열은 지원하지 않습니다.

STEP 1

기본 설정

LoRA 이름을 입력하고, LoRA 타입(캐릭터, 의상, 그림체, 기타)과 기본 모델(Tsubaki.2 또는 Tsubaki.3)을 고른 뒤 트리거 단어를 설정합니다.

학습을 제출하기 전에는 언제든 이 단계로 돌아와 수정할 수 있습니다. 제출한 뒤에도 대기 중이라면 학습을 취소할 수 있고, 작업이 초안으로 돌아가므로 이 단계를 다시 수정할 수 있습니다. 학습이 시작되면 LoRA 타입, 기본 모델, 트리거 단어는 고정되며, 바꾸려면 학습을 새로 만들어야 합니다. LoRA 이름은 공개 후 '모델 편집'에서 바꿀 수 있습니다. 트리거 단어는 학습할 때 모든 설명문에 붙으므로 시작 전에 꼭 확인해 주세요.

학습 시작 후

  • LoRA 이름 공개 후 변경 가능
  • LoRA 타입 고정
  • 기본 모델 고정
  • 트리거 단어 고정

트리거 단어

트리거 단어는 '기본 설정'에서 입력합니다. 학습할 때 각 설명문 맨 앞에 자동으로 추가되므로, kohya처럼 폴더 이름이나 캡션 파일에 직접 적을 필요가 없습니다. 생성할 때 프롬프트에 트리거 단어를 넣으면 LoRA가 적용됩니다. 학습을 제출한 뒤에는 바꿀 수 없습니다. 영문자 a–z, 숫자, 공백 및 , . _ - 만 사용할 수 있으며, 최소 글자 수 제한은 없고 최대 256자입니다. 연속된 공백이나 맨 앞·맨 뒤의 공백은 사용할 수 없습니다. 쓰는 방법은 LoRA 트리거 워드 가이드에 정리해 두었습니다.

PixAI 고급 학습 기본 설정의 트리거 단어 입력란
'기본 설정'의 트리거 단어 입력란

STEP 2

설명문

'기기에서 업로드', '생성 기록에서 선택'으로 이미지를 추가하거나, 과거 고급 학습에서 가져올 수 있습니다. 과거 학습에서 가져오면 설명문도 함께 들어오므로 다시 생성할 필요가 없고 설명문 비용도 들지 않습니다. 가져온 뒤에도 한 장씩 수정할 수 있습니다. 기본 학습의 이미지 세트는 고급 학습으로 가져올 수 없습니다. 같은 이미지 세트를 다시 활용하는 방법은 멀티 버전 LoRA 가이드도 참고하세요.

  • 고급 학습 초안이 남아 있다면 그 이미지 세트를 가져올 수 있습니다. 고급 학습으로 만든 LoRA를 삭제해도 이미지와 설명문은 남아 있어 나중에 가져올 수 있습니다.
  • 반면 초안을 삭제하면 이미지 세트도 함께 사라져, 새 학습을 만들 때 그 초안에서 가져올 수 없습니다. 같은 이미지로 다시 학습할 가능성이 있다면 초안을 남겨 두거나 이미지를 따로 백업해 두세요. 이 경우 설명문은 다시 생성해야 하며 장수에 따라 비용이 청구됩니다.

이미지 설명문(캡션)

설명문은 kohya의 캡션 파일에 해당합니다. PixAI의 설명문 모델이 Danbooru 태그가 아닌 자연어 문장으로 이미지마다 설명문을 작성합니다. 설명문은 먼저 자동으로 생성해야 수정할 수 있습니다. 수정한 내용은 따로 저장되며, 필요하면 자동 생성된 설명문으로 되돌릴 수 있습니다.

설명문은 각 이미지에 무엇이 담겨 있는지 모델에 알려 주는 역할을 합니다. 학습할 때 트리거 단어가 각 설명문 맨 앞에 붙습니다. 설명문에 적은 요소는 프롬프트로 바꿀 수 있는 부분으로 취급되고, 한 번도 적지 않은 요소는 트리거 단어에 흡수되어 LoRA 자체의 특징이 됩니다. 그래서 LoRA에 고정하고 싶은 특징은 적지 않고, 생성할 때 바꾸고 싶은 요소는 적는 것이 기본입니다.

PixAI 고급 학습 설명문 편집 창: 자동 생성된 자연어 설명문. 트리거 단어가 자동 추가됨
자동 생성 후의 '설명문 편집' 창. 자연어로 작성되며 한 장씩 수정해 저장할 수 있습니다

설명문의 역할(예시)

트리거 단어 빨간 코트를 입은 소녀가 공원 벤치에 앉아 웃고 있다.

검정: PixAI가 자동으로 붙이는 트리거 단어 파랑: 적은 내용(생성할 때 프롬프트로 바꿀 수 있음) 적지 않은 머리색·눈동자 색·상징적인 액세서리 → 트리거 단어에 흡수되어 LoRA에 고정

화면에 표시되는 작성 요령은 다음과 같습니다.

  1. 보이는 내용만 적습니다. 성격, 배경 설정, 화면 밖의 일은 적지 않습니다.
  2. 나중에 바꾸고 싶은 요소는 적습니다. 예를 들어 의상은 설명에 넣고, 다른 의상을 입은 이미지도 함께 넣습니다.
  3. 이미지에 여러 인물이 있으면 누가 무엇을 하는지 분명하게 적습니다. '그중 한 명' 같은 표현은 피합니다.
  4. 머리색, 눈동자 색, 상징적인 액세서리처럼 바뀌지 않는 특징은 적지 않습니다. 이런 요소는 캐릭터 자체의 특징으로 학습됩니다.
  5. 같은 내용은 이미지 세트 전체에서 같은 단어로 적습니다. '앉아 있다'로 정했다면 끝까지 '앉아 있다'를 씁니다.
  6. 트리거 단어는 직접 적을 필요가 없습니다. 모든 설명문 맨 앞에 자동으로 추가됩니다.

모든 이미지에 설명문이 있어야 다음 단계로 넘어갈 수 있습니다. 설명문이 없는 이미지가 남아 있으면 화면에 안내가 표시됩니다.

STEP 3

고급 매개변수

학습 스텝, 학습률, 디테일 용량, Alpha, 업데이트 안정도를 설정하고 크레딧을 확인한 뒤 '학습 시작'을 누릅니다. 제출 후 학습이 시작되기 전(대기 중)에는 '학습 작업'에서 취소할 수 있습니다. 학습 비용은 전액 환불되지만, 설명문 비용은 환불되지 않습니다. 작업은 초안으로 돌아가며 이미지, 설명문, 기본 설정을 수정해 다시 제출할 수 있습니다. 학습이 시작되면 취소할 수 없습니다.

파라미터별 설명

학습 스텝(학습 길이)

크레딧에 영향

max_train_steps

325 기본값 · 50~800, 5 단위

PixAI 고급 학습 학습 길이 설정: 학습 스텝 슬라이더, 기본값 325, 범위 50~800
화면의 '학습 길이' 설정. 기본값은 325스텝

학습 스텝은 모델이 이미지를 학습하는 횟수입니다. 기본값은 325이며 50~800 사이에서 5 단위로 조정할 수 있습니다. 화면에서는 이미지 세트가 특별히 크거나 작지 않다면 325로 유지하라고 안내합니다.

epoch와 repeats는 없고, 모든 이미지가 같은 확률로 선택됩니다. kohya 기준으로 바꿔 생각하고 싶다면 이미지 한 장당 평균 학습 횟수를 다음과 같이 추정할 수 있습니다.

이미지 한 장당 평균 학습 횟수 ≈ 학습 스텝 × 환산 계수 ÷ 이미지 수

높이기이미지의 특징을 더 강하게 학습하지만, 배경과 포즈까지 그대로 따라 하기 시작할 수 있습니다. 학습 시간과 크레딧 소모량도 늘어납니다.

낮추기학습이 빨리 끝나지만, 원하는 특징을 충분히 학습하지 못할 수 있습니다.

500스텝을 넘기면 학습 시간이 길어진다는 안내가 표시됩니다. 일반적으로 넘기지 않는 것을 권장합니다.

학습률

크레딧에 영향 없음

learning_rate / unet_lr

6e-4 0.0006 · 기본값

PixAI 고급 학습 학습률 슬라이더, 기본값 6.0e-4
화면의 '학습률' 설정. 기본값은 6.0e-4

학습률은 모델이 한 번 학습할 때 얼마나 크게 조정할지를 정합니다. 기본값은 6e-4(0.0006), 범위는 5e-5(0.00005)~1e-3(0.001)입니다. 고급 학습의 학습률은 하나뿐이며 네트워크 전체에 적용되므로, kohya처럼 모듈별로 따로 설정할 수 없습니다. 학습률은 크레딧 소모량에 영향을 주지 않습니다.

높이기더 빠르게 학습하지만, 지나치면 결과가 불안정해질 수 있습니다.

낮추기더 신중하게 학습하는 대신 더 많은 스텝이 필요합니다.

화면 안내: 결과가 지저분하거나 하얗게 날아가 보이면 값을 낮춰 주세요.

디테일 용량(Rank)

크레딧에 영향 없음

network_dim

PixAI 고급 학습 디테일 용량(Rank): 8·16·32·64, 기본값 64
화면의 '디테일 용량(Rank)' 설정. 기본값은 64

디테일 용량은 kohya의 network_dim에 해당하며, LoRA가 담을 수 있는 디테일의 양을 뜻합니다. 8·16·32·64 중에서 고르며 기본값은 64입니다. 화면에는 순서대로 '매우 가벼움', '가벼움', '균형', '추천'으로 표시됩니다. Rank는 주로 파일 크기와 담을 수 있는 디테일의 양에 영향을 주며, 학습 시간에는 거의 영향이 없고 크레딧 소모량에도 영향을 주지 않습니다.

8매우 가벼움

16가벼움

32균형

64추천

높이기더 세밀한 디테일을 담을 수 있지만, 배경도 더 빨리 학습됩니다.

낮추기파일 크기는 작아지지만, 복잡한 패턴이나 액세서리를 충분히 학습하지 못할 수 있습니다.

Alpha

크레딧에 영향 없음

network_alpha

PixAI 고급 학습 Alpha: Rank 64일 때 32·64·128 중 선택, 기본값 32(부드러움)
화면의 'Alpha' 설정. Rank가 64이면 32·64·128 중에서 고르며 기본값은 32

Alpha는 kohya의 network_alpha에 해당하며, 각 학습 업데이트가 LoRA에 얼마나 강하게 영향을 주는지를 정합니다. Rank와 균형을 맞추기 위해 Alpha는 Rank의 절반, 같은 값, 2배 중에서만 고를 수 있고, 화면에는 각각 '부드러움', '균형', '특징 강조'로 표시됩니다. 기본값은 Rank의 절반입니다. Rank를 바꾸면 Alpha는 같은 단계를 유지한 채 값만 자동으로 바뀝니다. Alpha는 크레딧 소모량에 영향을 주지 않습니다.

높이기학습 속도는 빨라지지만, 이미지의 결점도 그만큼 빠르게 학습합니다.

낮추기더 부드럽게 학습합니다. 이미지가 적거나 그림체가 섞인 이미지 세트에 적합합니다.

Rank 64인 경우

32부드러움 · ×0.5

64균형 · ×1

128특징 강조 · ×2

실제 적용 강도는 Alpha와 Rank의 비율로 정해집니다. Rank 64일 때 세 단계의 Alpha는 각각 32, 64, 128이고 비율은 0.5, 1, 2입니다. kohya에서 흔히 쓰는 alpha = 1은 Rank 64에서 비율이 1/64에 불과합니다.

업데이트 안정도(Batch size)

크레딧에 영향

batch_size

PixAI 고급 학습 업데이트 안정도(Batch size): 1·2·4, 기본값 2
화면의 '업데이트 안정도(Batch size)' 설정. 기본값은 2

업데이트 안정도는 kohya의 batch size에 해당하며, 모델이 한 번 업데이트할 때 참고하는 이미지 수입니다. 1·2·4 중에서 고르며 기본값은 2입니다. 학습 클러스터 리소스 사정으로 이보다 큰 값은 선택할 수 없습니다.

1

2기본값

4

높이기학습이 더 안정적이고, 특성이 다른 이미지 한 장의 영향도 줄어듭니다. 스텝마다 처리하는 이미지가 두 배가 되어 학습 시간과 크레딧 소모량도 눈에 띄게 늘어납니다.

낮추기업데이트 반응이 더 뚜렷해지지만, 이미지 품질의 영향을 더 크게 받습니다.

화면 안내: 이미지의 스타일이 크게 다르지 않다면 2로 유지하세요.

Batch size는 이미지 한 장당 학습 횟수에도 영향을 줍니다. 같은 스텝에서 2에서 4로 바꾸면 한 장당 평균 학습 횟수가 두 배가 되고 학습 시간도 늘어납니다. 학습량을 유지하려면 스텝을 절반으로 줄이세요.

고급 학습과 kohya / sd-scripts 설정 비교

PixAI 화면 이름대응하는 일반 파라미터기본값 / 선택지설명
학습 스텝max_train_steps325 / 50~800(5 단위)전체 스텝 수로 계산하며 epoch와 repeats는 없습니다. 모든 이미지가 같은 확률로 선택됩니다. 500스텝을 넘기면 학습 시간이 길어지고 실패할 가능성이 높아진다는 안내가 표시됩니다.
학습률learning_rate / unet_lr6e-4 / 5e-5~1e-3학습률은 하나뿐이며 네트워크 전체에 적용됩니다.
디테일 용량(Rank)network_dim64 / 8·16·32·64주로 파일 크기와 담을 수 있는 디테일의 양에 영향을 주며, 학습 시간에는 거의 영향이 없습니다.
Alphanetwork_alphaRank의 절반(Rank 64면 32) / 절반·같은 값·2배임의의 값은 입력할 수 없습니다. 크레딧 소모량에 영향을 주지 않습니다.
업데이트 안정도(Batch size)batch_size2 / 1·2·4값이 클수록 한 번 업데이트할 때 참고하는 이미지가 많아져 학습이 안정됩니다. 리소스 사정으로 더 큰 값은 선택할 수 없습니다.
트리거 단어trigger word / 클래스 토큰필수. 영문자 a–z, 숫자, 공백 및 , . _ - 만 가능. 최소 글자 수 없음, 최대 256자. 연속 공백·앞뒤 공백 불가기본 설정에서 한 번 입력하면 학습할 때 각 설명문 맨 앞에 자동으로 추가됩니다. 생성할 때 프롬프트에 넣으면 LoRA가 적용됩니다.
이미지 설명문(캡션)캡션 파일자동 생성 후 수정 가능PixAI의 설명문 모델이 Danbooru 태그가 아닌 자연어로 작성합니다. 먼저 자동 생성한 뒤 수정할 수 있으며, 자동 생성된 내용으로 되돌릴 수도 있습니다.

비용과 학습 시간

설명문 자동 생성과 학습은 따로 크레딧이 차감됩니다. 두 가지 모두 시작하기 전에 필요한 크레딧이 표시됩니다.

① 설명문 비용 · '자동 설명 생성'을 누를 때 결제

100 × 장수 + 500

이미 설명문이 있는 이미지는 다시 과금되지 않습니다.

실패했을 때: 설명문 생성에 성공한 이미지만 과금되며, 실패한 이미지는 다시 시도할 수 있습니다.

② 학습 비용 · '학습 시작'을 누를 때 결제

약 70,000크레딧

설정에 따라 다르며, 기본 설정 기준 약 70,000크레딧입니다. 학습 스텝과 Batch size의 영향이 가장 크고, 시작 전에 표시되는 금액이 실제 비용입니다.

실패했을 때: 학습 비용은 청구되지 않고 설명문 비용은 환불되지 않습니다. '같은 설정으로 다시 시도'로 다시 진행할 수 있습니다.

kohya로 학습할 때와 비교하면 다음 두 가지가 다릅니다

설명문 자동 생성은 별도 과금

설명문이 없는 이미지에 자동 생성을 실행할 때마다 100 × 생성 장수 + 500크레딧이 들며, 금액은 실행 전에 표시됩니다. 설명문을 생성한 이미지는 나중에 삭제해도 크레딧이 환불되지 않습니다.

설명문이 있는 이미지는 두 번 과금되지 않음

자동 생성은 설명문이 없는 이미지만 처리합니다. 나중에 이미지를 추가해도 추가한 이미지만 과금됩니다.

고급 학습에서는 크레딧이 두 번에 나뉘어 차감됩니다.

  1. 설명문 비용: '설명문' 단계에서 '자동 설명 생성'을 누를 때 결제합니다.
  2. 학습 비용: '고급 매개변수' 단계에서 '학습 시작'을 누를 때 화면에 표시된 금액을 결제합니다.

예시

  • 처음 학습할 때이미지 30장을 추가하고 '자동 설명 생성'을 누르면 장수만큼의 비용에 500크레딧이 더해지며, 정확한 금액은 실행 전에 표시됩니다. 설명문을 확인하고 파라미터를 정한 뒤 '학습 시작'을 누르면 표시된 학습 비용(기본 설정 기준 약 70,000크레딧)을 결제합니다.
  • 이미지 추가5장을 더 추가하면 자동 생성은 새로 추가한 5장만 처리하고, 장수만큼의 비용과 500크레딧이 다시 청구됩니다. 기존 30장은 다시 과금되지 않습니다.
  • 일부 실패2장의 설명문을 생성하지 못했다면 성공한 28장만큼만 과금되고, 500크레딧은 그대로 청구됩니다. 실패한 2장을 다시 자동 생성하면 500크레딧이 추가로 청구됩니다.
  • 학습 실패학습 비용은 청구되지 않지만, 이미 결제한 설명문 비용은 환불되지 않습니다. '학습 작업'의 '같은 설정으로 다시 시도'로 다시 진행할 수 있습니다.
  • 취소대기 중에 취소하면 학습 비용은 전액 환불되고, 설명문 비용은 환불되지 않습니다. 작업은 초안으로 돌아가며 수정해서 다시 제출할 수 있습니다.

학습 시간

2~6시간 대기 시간 제외

학습 시간과 크레딧 소모량은 주로 학습 스텝과 Batch size에 따라 정해집니다. 학습률, Rank, Alpha는 비용에 영향을 주지 않으며 시간에도 거의 영향이 없습니다. 제출한 학습은 먼저 대기열에 들어가므로 완료 시간은 대기 상황에 따라 달라집니다. 이유는 LoRA 학습 시간이 오래 걸리는 이유에서 설명합니다.

고급 학습은 대기 시간을 빼고 약 2~6시간이 걸립니다. 학습 중에는 이미지 세트가 잠기며, 학습에 실패하거나 대기 중에 취소하면 잠금이 풀립니다. 학습이 일시 중지되어도 자동으로 다시 시작되며 추가 비용은 없습니다.

학습 시작 전 체크리스트

'학습 시작'을 누르기 전에 다음 항목을 확인하세요.

  • 이미지: 전체 픽셀 수 512×512 이상, 가로세로 비율 1:3~3:1, PNG·JPG·WebP 형식, 10~100장.
  • 이미지 내용: 각도, 포즈, 구도에 충분한 변화가 있고, 멀티 패널 이미지나 거의 같은 이미지가 없습니다. 다중 캐릭터 LoRA라면 캐릭터별 단독 이미지와 함께 있는 이미지가 모두 있습니다.
  • 기본 설정: LoRA 이름, LoRA 타입, 기본 모델, 트리거 단어를 확인했습니다. 제출 후에는 바꿀 수 없습니다.
  • 설명문: 한 장씩 확인했고, 보이면서 바뀌는 요소만 적었으며, 같은 내용은 같은 단어로 통일했습니다. 모든 이미지에 설명문이 있습니다('설명문 없음'이 0).
  • 파라미터: 특별한 목적이 없다면 기본값을 사용합니다(325스텝, 학습률 6e-4, Rank 64, Alpha 32, Batch size 2).
  • 비용과 시간: 표시된 금액과 예상 시간을 확인했습니다. 대기 중에만 취소할 수 있고(학습 비용 환불, 설명문 비용 환불 없음), 학습이 시작되면 취소할 수 없습니다.

학습 완료 후: 공개와 관리

학습이 끝나면 '학습 작업'에서 '공개'를 누릅니다. 공개한 뒤에는 모델 페이지의 '모델 편집'에서 아래 설정을 언제든 바꿀 수 있습니다.

공개 범위

  • 비공개 다른 사용자에게 보이지 않으며, 나중에 공개로 바꿀 수 있습니다. 비공개로 설정할 수 있는 것은 멤버십 회원뿐이며 개수에 한도가 있습니다. 남은 자리는 '모델 편집'에서 확인할 수 있습니다. 자세한 내용은 비공개 LoRA 삭제 관련 안내를 참고하세요.
  • 공개 모든 사용자가 사용할 수 있습니다. 한 번 공개하면 비공개로 되돌릴 수 없습니다.

리베이트

'모델 편집'의 '리베이트 설정'에서 '리베이트 참여' 또는 '리베이트 미참여'를 고를 수 있습니다. 참여하면 다른 사용자가 이 LoRA를 사용한 횟수에 따라 크레딧을 받습니다. 본인이 사용한 횟수는 포함되지 않으므로, 비공개 LoRA는 참여해도 크레딧이 쌓이지 않습니다.

한 번 참여하면 취소할 수 없고, 해당 LoRA는 삭제할 수 없게 됩니다. LoRA를 공개하고 앞으로 삭제할 일이 없다고 판단한 뒤에 참여하는 것을 권장합니다.

자세한 내용은 LoRA 리베이트 업그레이드에서 확인하세요.

다운로드와 상업적 이용

Tsubaki.2와 Tsubaki.3은 모두 DiT 계열 모델입니다(모델 페이지에는 DiT.2, DiT.3으로 표시). 학습한 LoRA는 다운로드할 수 없고 PixAI에서만 사용할 수 있습니다. 주의할 점은 DiT LoRA 트레이닝 가이드에 정리해 두었습니다.

'모델 편집'의 '권한'에서 이 LoRA로 생성한 이미지를 다른 사람이 상업적으로 이용해도 되는지 정할 수 있습니다.

모델 정보

모델 이름, 태그, 설명, 커버 이미지는 '모델 편집'에서 언제든 바꿀 수 있습니다. LoRA 타입과 기본 모델은 바꿀 수 없습니다. 학습 설정과 최종 설명문은 모델과 함께 저장되므로 나중에 다시 확인할 수 있고, 다른 사용자가 내 LoRA를 찾는 데에도 도움이 됩니다.

자주 묻는 질문

트리거 단어를 설명문마다 적어야 하나요?

아니요. 모든 설명문 맨 앞에 자동으로 추가되므로 기본 설정에서 한 번만 입력하면 됩니다. 생성할 때는 프롬프트에 트리거 단어를 넣어 주세요.

자동 생성을 건너뛰고 직접 만든 캡션을 쓸 수 있나요?

현재는 지원하지 않습니다. 모든 이미지는 먼저 설명문을 자동 생성한 뒤 수정하는 방식이며, 기존 캡션 파일을 가져오는 기능도 없습니다.

epoch와 repeats가 없는 이유는 무엇인가요?

고급 학습은 전체 스텝 수(학습 스텝)로 학습량을 정하고, 모든 이미지가 같은 확률로 선택되기 때문입니다. 환산 방법은 학습 스텝 항목을 참고하세요.

Alpha에 1을 입력할 수 없는 이유는 무엇인가요?

Alpha는 Rank의 절반, 같은 값, 2배 중에서만 고를 수 있기 때문입니다. 실제 적용 강도는 Alpha와 Rank의 비율로 정해집니다.

Batch size가 1·2·4뿐인 이유는 무엇인가요?

학습 클러스터 리소스 사정 때문입니다. Batch size가 클수록 업데이트가 안정되지만, 스텝마다 처리할 이미지가 늘어 학습 시간과 크레딧 소모량도 늘어납니다. 대부분은 기본값 2로 충분합니다.

Rank를 64로 하면 학습이 많이 느려지나요?

영향은 거의 없고 크레딧 소모량도 늘지 않습니다. 학습 시간과 비용은 주로 학습 스텝과 Batch size에 따라 정해지며, Rank는 주로 파일 크기와 담을 수 있는 디테일의 양에 영향을 줍니다.

학습이 시작된 뒤 기본 모델을 바꿀 수 있나요?

바꿀 수 없습니다. 학습이 시작되면 기본 설정이 고정되므로 학습을 새로 만들어야 합니다. 시작 전이라면 제출 전에는 바로 돌아가 수정하고, 제출 후에도 대기 중이라면 학습을 취소해 초안으로 되돌린 뒤 수정할 수 있습니다.

제출한 뒤에 취소할 수 있나요?

학습이 시작되기 전(대기 중)에는 가능합니다. 학습이 시작되면 취소할 수 없습니다. '학습 작업'에서 취소하면 학습 비용은 전액 환불되지만, 설명문 비용은 환불되지 않습니다. 작업은 초안으로 돌아가며 기본 모델을 포함해 수정한 뒤 다시 제출할 수 있습니다.

학습한 LoRA를 다운로드할 수 있나요?

현재는 불가능합니다. Tsubaki.2와 Tsubaki.3은 DiT 계열 모델이며, 학습한 LoRA는 PixAI에서만 사용할 수 있습니다.

학습한 LoRA를 생성에 적용하고 가중치를 조정하는 방법은 LoRA 사용법과 LoRA 가중치 설정 가이드를 참고하세요.

이미지 준비가 끝났나요?

체크리스트를 확인한 뒤 첫 고급 학습을 제출해 보세요.