DiT LoRA 訓練指南：Tsubaki 與 Tsubaki.2 開訓前該知道的事

---

PART ONE — 為什麼選 DiT

DiT LoRA 訓練為什麼比 SDXL 適合現在的需求

用 SDXL 系的模型畫兩個以上的角色同框時，很容易遇到「特徵融合」：臉、頭髮、衣服這些視覺元素會在角色之間互相混進去。畫面上放到三個人以上，情況會明顯更糟。

DiT 架構處理多角色構圖穩定得多。它會把每個角色的特徵分開保留，距離和互動也抓得比較自然，視線、手勢、前後重疊都畫得出來。如果你要的是一個放進多人場景還撐得住的 LoRA，或單純想用上 PixAI 最新底模的品質，現在走 DiT LoRA 訓練是比較好的路。底模和 LoRA 的關係還沒搞清楚的話，可以先看 模型與 LoRA 的基礎。

---

PART TWO — 模型陣容

PixAI 上的 DiT 模型總覽

以下是目前可以用的 DiT 底模全部陣容。

DiT.1 模型

👉 查看所有 DiT 系底模

DiT.2 模型

Tsubaki.2 — PixAI 的旗艦 DiT.2 模型。生成品質和對提示詞的理解力都比 DiT.1 那條線高出一截。實際用起來的感覺可以看 Tsubaki.2 使用心得，提示詞怎麼寫則在 DiT 模型提示詞指南。

---

PART THREE — 能訓練哪些

哪些 DiT 模型可以拿來訓練 LoRA

不是每個 DiT 底模都開放當訓練基礎。到 2026 年為止，PixAI 支援的 DiT LoRA 訓練基礎只有兩個：

模型	架構	可當訓練基礎	可生成
Tsubaki	DiT.1	✅	✅
Tsubaki v1.1	DiT.1	❌	✅
Tsubaki Flash	DiT.1	❌	✅
Serin	DiT.1	❌	✅
Tsubaki.2	DiT.2	✅	✅

Tsubaki v1.1、Tsubaki Flash 和 Serin 可以拿來生成，但在 LoRA 訓練面板裡選不到、不能當訓練基礎。不過「能不能當訓練基礎」和「訓練好的 LoRA 能在哪裡跑」是兩件事。用 Tsubaki 訓練的 LoRA 和 Tsubaki Flash 的推論相容性很高，這正是 Tsubaki 到現在還是 PixAI 上 DiT.1 標準訓練基礎的原因——訓練一次，能在相容的底模之間通用。

如果你手上已經有一個效果不錯的 Tsubaki LoRA，想把同一個概念搬到 Tsubaki.2，PixAI 的資料集重複使用功能可以幾下點擊就把原本的資料集再套一次，而且資料集原封不動重用時訓練費用打五折。完整流程在 多版本 LoRA 與資料集重用指南。

---

PART FOUR — 訓練時間

DiT LoRA 訓練要跑多久

DiT LoRA 訓練比舊的 SDXL 訓練慢，底層架構本來就重得多。時間可以這樣抓：

訓練基礎	單次耗時
Tsubaki（DiT.1）	約 70 分鐘
Tsubaki.2（DiT.2）	約 2 小時

訓練佇列上顯示的預估時間只是參考，不是保證值。實際長短會隨佇列負載和資料集大小變動，而且一開始跳出來的那個估計最不準。丟進佇列之後就去做別的事，不用一直重新整理頁面。真的跑得比預期久，原因和處理方式整理在 LoRA 訓練為什麼變慢。

---

PART FIVE — 觸發詞

DiT LoRA 訓練的觸發詞規則

PixAI 的 DiT LoRA 系統裡，觸發詞的邏輯和大家在 SDXL 流程裡習慣的逗號堆標籤不一樣。而且 DiT.1 和 DiT.2 的規則彼此不同——這是第一次訓練 DiT LoRA 的人最常翻車的地方。如果你對觸發詞本身還不熟，先看 LoRA 觸發詞完整說明 會比較好上手。

Tsubaki LoRA（DiT.1）的觸發詞

訓練 Tsubaki LoRA 時，觸發詞要短、要準。

角色 LoRA — 照這個格式寫：

character_name, source_work, other_attributes

範例：

hatsune_miku, vocaloid, twin_tails

風格或概念 LoRA — 抓住整份資料集共通的那個核心特徵：

ink_wash_style

DiT.1 通用原則：

• 觸發詞要短而具體
• 避免多重子句的長觸發句
• 找出資料集中每張圖都共有的那個最關鍵特徵

Tsubaki.2 LoRA（DiT.2）的觸發詞

DiT.2 把「越短越好」整個反過來。訓練 Tsubaki.2 LoRA 時，建議用至少 30 個字元的觸發詞，把主體的核心特徵描述清楚。描述得越完整，Tsubaki.2 在訓練時越能把你的概念定住。

好的 Tsubaki.2 觸發句讀起來比較像一份濃縮的特徵清單，而不是單一個代號——寫的是可辨識的視覺特徵，不只是一個名字。

A young woman with long silver hair, golden eyes, and a futuristic black visor

觸發詞不到 30 個字元，等於白白放掉可以拿到的訓練品質。

---

PART SIX — 資料集

DiT LoRA 訓練的資料集建議規格

不管你用哪個 DiT 底模訓練，資料集的規則都一樣。

圖片張數

DiT LoRA 訓練的甜蜜點是 30 到 100 張。低於 30 張，LoRA 泛化不出來；超過 100 張，多半只是拉長訓練時間，品質不會等比例提升。

圖片品質與一致性

• 每張圖都要有你想教會它的那個共同特徵（同一個角色、同一種風格、同一個概念）
• 盡量讓整份資料集的圖片尺寸一致
• 主題或風格的統一性要明確——資料集混亂，訓練出來的 LoRA 也會混亂

重複使用既有資料集

如果你在 PixAI 訓練過 LoRA 想重跑一次——例如把舊的 Tsubaki 概念搬到 Tsubaki.2，或是想試新的訓練參數——可以直接沿用原本的資料集。原始資料集原封不動重用時，PixAI 會自動給訓練費用五折。流程細節在 多版本 LoRA 與資料集重用指南。

---

PART SEVEN — 開始訓練

第一次跑 DiT LoRA 訓練的步驟

1. 前往 PixAI 的 LoRA 訓練頁面。
2. 在 Model Type 選 DiT.2（訓練 Tsubaki.2）或 DiT.1（訓練 Tsubaki）。
3. 確認 Model Theme：DiT.1 是 Tsubaki，DiT.2 是 Tsubaki.2。
4. 上傳 30 到 100 張的資料集。
5. 照上面的規則設定觸發詞（Tsubaki 要短，Tsubaki.2 要 30 字元以上）。
6. 送出後等待。Tsubaki 大約 70 分鐘，Tsubaki.2 大約 2 小時。

---

QUESTIONS

DiT LoRA 訓練常見問題

哪些 DiT 模型可以訓練 LoRA？

PixAI 目前支援兩個 DiT LoRA 訓練基礎：Tsubaki（DiT.1）和 Tsubaki.2（DiT.2）。其他 DiT 模型——Tsubaki v1.1、Tsubaki Flash、Serin——可以拿來生成，但不會出現在 LoRA 訓練面板的訓練基礎選項裡。

PixAI 的 DiT.1 和 DiT.2 差在哪？

DiT.1 是 PixAI 第一代的 DiT，能訓練的 DiT.1 底模是 Tsubaki，而 Tsubaki v1.1、Tsubaki Flash、Serin 只能生成。DiT.2 是下一代架構，目前 Tsubaki.2 跑在上面。DiT.2 的輸出品質更高、訓練更慢，觸發詞的寫法也和 DiT.1 不同。

DiT LoRA 訓練要多久？

Tsubaki（DiT.1）LoRA 訓練單次約 70 分鐘，Tsubaki.2（DiT.2）LoRA 訓練約 2 小時。佇列上顯示的時間是估算值，會隨系統負載變動。

用 Tsubaki 訓練的 LoRA 能在 Tsubaki Flash 上跑嗎？

可以。Tsubaki Flash 在設計上就對原版 Tsubaki 訓練出來的 LoRA 有高相容性，同一個 Tsubaki LoRA 通常在兩個底模上都跑得起來。這講的是推論相容性，和訓練相容性是兩回事——Tsubaki.2 不管怎樣都不相容。

Tsubaki 的 LoRA 可以用在 Tsubaki.2 上嗎？

不行。Tsubaki.2 是獨立底模，和任何其他模型訓練出來的 LoRA 都不相容，包括 Tsubaki 和 Tsubaki v1.1。你必須針對 Tsubaki.2 重新訓練。用 PixAI 的資料集重用功能可以很快重跑，而且重訓費用打五折。

Tsubaki.2 的觸發詞要寫多長？

訓練 Tsubaki.2 LoRA 時，目標是至少 30 個字元，把主體的核心特徵描述清楚。這和 Tsubaki（DiT.1）LoRA 那種簡短的逗號分隔觸發詞是明顯不同的做法。

訓練一個 DiT LoRA 需要幾張圖？

Tsubaki 和 Tsubaki.2 都建議 30 到 100 張，並且維持品質與尺寸一致、整份資料集的主題統一。