PixAI LoRA 학습 완벽 가이드｜데이터셋부터 트리거 워드까지 총정리

▸ VIDEO_GUIDE

▶ 영상으로 보기: PixAI LoRA 학습 전체 과정

이 글의 영상 버전입니다 → 새 탭에서 열립니다

▸ 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.

▸ EXAMPLE

카스토리스 Castorice | 붕괴: 스타레일 (Haruka)

▸ THE_GOLDEN_RULE

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

▸ 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

▸ 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

▸ 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.

💰 50% 할인 — DATASET_REUSE

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

▸ 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?

가능합니다. 상업 프로젝트, 커미션, SNS 게시 모두 쓰실 수 있습니다. 다만 기존 캐릭터나 저작물을 학습에 사용한 경우에는 권리자의 가이드라인을 따라 주세요. 상업적 이용 가능 범위는 학습 데이터의 저작권에 따라 달라집니다. 직접 만든 오리지널 캐릭터나 화풍이라면 이런 제약이 없습니다.

▸ 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.

▸ 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.