前回はLoRA学習ツールの設定項目について触れたね。
今回は実際にLoRA学習に挑戦してみよう。
画像素材を集める
LoRA学習に用意する画像は量より質らしい。
また、寸法、拡張子、絵柄を揃えた方がいいみたい。
つまり正面ばかり向いてる画像が沢山あってもしょうがないし、
それぞれ違う寸法だと安定して学習できないみたい。
それに絵柄が違うと不安定になるよね。
今回はVRoidを使わせていただきます。
▼フムフム VRoid Hub
https://hub.vroid.com/characters/4869555797016986872/models/7914376685457949940
3teneのフリー版を使って多方向からキャプチャしてみたよ。
▼3tene（無料版）
https://3tene.com/free/
キャプチャ結果はこんな感じ。
タグ設定
タグは画像と同じ名前のテキストファイルに用意するよ。
画像がxxx.pngなら、xxx.txtを用意するんだ。
さっきのキャプチャ画像は
3tene_yyyymmddhhmmss.pngだから
3tene_yyyymmddhhmmss.txtを用意する事になるね。
例えばこの画像。
この画像につけるならこんなタグかな。
fum2asahi,4 ears,anthro,black eyes,no sclera ,blue skin,blue theme,chibi,closed mouth,drooping ears,full body,looking at viewer,straight-on
- fum2asahi 固有名詞
- 4 ears 4つの耳
- anthro 二足歩行動物
- black eyes 黒い目
- no sclera 白目なし
- blue skin 青い肌
- blue theme 青い雰囲気
- blush 頬が赤い
- chibi ちびキャラ
- closed mouth 口を閉じている
- drooping ears たれ耳
- full body 全身
- spiky hair トゲトゲな髪
- looking at viewer こちらを見てる
- no humans 人間を描かない
- simple background シンプルな背景
- smile 笑顔
- solo 1体
- standing 立っている
- straight-on 正面
これらを全画像に適宜付与する訳。
いちいち記憶してテキストエディタに書き込むのは大変なので、タグ付けは表計算ソフトで管理。
学習ツールの設定
チェックポイントと画像格納元、出力されるLoRA名を設定。
出力先フォルダを設定。
学習回数Epochと、寸法をMax resolutionに設定。
学習開始
2026-09-14 06:13:11 INFO use 8-bit AdamW optimizer | {} optimizer.py:106
enable text encoder training
train unet: True, text_encoder1: True, text_encoder2: True
number of models: 3
number of trainable parameters: 3385184004
prepare optimizer, data loader etc.
running training / �w�K�J�n
num examples / �T���v����: 330
num batches per epoch / 1epoch�̃o�b�`��: 330
num epochs / epoch��: 5
batch size per device / �o�b�`�T�C�Y: 1
gradient accumulation steps / ���z�����v����X�e�b�v�� = 1
total optimization steps / �w�K�X�e�b�v��: 1600
steps: 0%| | 0/1600 [00:00<?, ?it/s]2026-09-14 06:13:14 INFO epoch is incremented. dataset.py:464
current_epoch: 0, epoch: 1
steps: 0%| | 1/1600 [00:38<17:07:17, 38.55s/it]
steps: 0%| | 1/1600 [00:38<17:07:17, 38.55s/it, avr_loss=0.0273]
steps: 0%| | 2/1600 [01:16<16:54:54, 38.11s/it, avr_loss=0.0273]
steps: 0%| | 2/1600 [01:16<16:54:54, 38.11s/it, avr_loss=0.0245]
略
steps: 100%|#########9| 1599/1600 [17:03:54<00:38, 38.42s/it, avr_loss=0.0136]
steps: 100%|#########9| 1599/1600 [17:03:54<00:38, 38.42s/it, avr_loss=0.0137]
steps: 100%|##########| 1600/1600 [17:04:32<00:00, 38.42s/it, avr_loss=0.0137]
steps: 100%|##########| 1600/1600 [17:04:32<00:00, 38.42s/it, avr_loss=0.0136]2026-09-14 23:17:47 INFO checkpoint_io.py:278
steps: 100%|##########| 1600/1600 [17:05:05<00:00, 38.44s/it, avr_loss=0.0136]
epoch 1/5
epoch 2/5
epoch 3/5
epoch 4/5
epoch 5/5
23:18:28-107121 INFO Training has ended successfully (exit code 0).
出力結果
出力先フォルダに指定しておいたoutputファイルに成果物が格納されてるね。
じゃあ、このLoRAを使ってStable Diffusion WebUI Forge Neoで画像生成してみよう。
生成設定はこんな感じ。
prompt: <lora:Illustrious_fum2asahi260914:1>4 ears,anthro,black eyes,blue skin,blue theme,blush,chibi,closed mouth,drooping ears,spiky hair,no humans,smile,solo,tail,white tail tip,white ear tips,
Negative prompt: 3 or more legs, animal paw, artist, bad anatomy, bad fingers, bad hands, black and white, disconnected_limbs, error, extra digit, extra_fingers, fewer digits, fuman finger, fuman hands, greyscale, heart tattoo on cheek, heart-shaped blush, inaccurate limb, jpeg artifacts, liquid fingers, logo, low quality, lowres, malformed_hands, missing fingers, missing limb, monochrome, name, out of focus, pads, paw pads, poorly drawn fingers, signature, sketchesboys, teeth, text, ugly, worst quality,
Steps: 20, Sampler: Euler a, Schedule type: Automatic, CFG scale: 6, Seed: 3073961743, Size: 1334x750, Model: waiIllustriousSDXL_v170, Model hash: f116b0c78f, Module 1: sdxl_vae, RNG: CPU, Lora hashes: "Illustrious_fum2asahi260915: 2ca1452f3980", Emphasis: Original,
結果はこう。
……思ってたのと違うなあ。
まとめ
LoRAは確かに自作できた。
そのLoRAで生成した画像が思ったのと違った。
LoRAの出来が悪かったのはKohya ssの設定か、素材画像か、タグ付けのいずれかが原因なんだろうな。
どうしたら思ったようにできるんだろう？