LoRA для дизайнеров: как научить ИИ повторять ваш стиль 

Что такое LoRA и как она работает 

Представьте шеф-повара со звездой Мишлен, который знает наизусть тысячи рецептов со всего мира. Это базовая модель нейросети. Но тут вы просите его приготовить в точности такой же яблочный пирог, как делала ваша бабушка. Есть большая вероятность, что даже с десятой попытки он не сможет этого сделать. 

Чтобы повар приготовил именно бабушкин пирог, ему не нужно учить все рецепты заново — достаточно показать ему нужную страницу из бабушкиной тетрадки с рецептами. Примерно так работает LoRA (Low-Rank Adaptation, «низкоранговая адаптация») — она помогает научить готовую нейросеть чему-то новому. 

При таком обучении исходные веса — числовые параметры базовой модели — остаются неизменными. Все знания нейросети о том, как работают законы физики, композиции и освещения сохраняются. Вместо исходных весов обучают небольшие дополнительные матрицы, которые задают поправки к работе модели. Например, это может быть знание о том, как выглядит персонаж или стиль, который вы хотите получить. Эти поправки сохраняют в отдельный файл — адаптер, который тоже обычно называют LoRA. 

Вот для чего можно использовать LoRA: 

• Герой лучше сохраняет внешность. LoRA помогает повторять его основные черты — цвет волос, форму лица, веснушки и другие особенности — в разных генерациях.
• Персонажа можно будет помещать в разные сцены. Например, нарисовать его дома, на улице или в космосе, поменять одежду и позу.
• Стиль легче сохранить узнаваемым. Если вы хотите повторить именно стилистику, LoRA поможет передать ее в изображениях с разными запросами. 

В итоге нейросеть сохраняет свои возможности, но учится выполнять еще одну конкретную задачу.

Какие нейросети поддерживают LoRA

LoRA используют с разными моделями для генерации изображений и видео. Например, с совместимыми версиями Stable Diffusion, FLUX, Qwen-Image, Wan, LTX-Video и Z-Image. Возможность подключить файл зависит также от программы или сервиса, в котором вы работаете.

Но важно учитывать, что одна и та же LoRA не подойдет сразу ко всем моделям — каждый файл создают под определенную базу. Обычно эту информацию указывают на странице LoRA рядом с примерами изображений и настройками. Проверяйте не только название семейства, но и версию модели, а также рекомендации автора. Совместимость с другими моделями того же семейства возможна, но результат может отличаться.

ЧИТАЙТЕ ТАКЖЕ:

Топ-9 нейросетей для создания видео в 2026: по тексту, из статьи и для монтажа

Где брать готовые файлы и как их использовать

Если вы только начинаете пробовать себя в качестве AI-креатора, то можете не обучать LoRA самостоятельно с нуля, а скачать готовую. В интернете есть открытые библиотеки, где разработчики делятся файлами для разных задач. Найти LoRA можно на специальных площадках:

• Civitai — библиотека моделей и дополнений для генерации изображений. Здесь можно искать LoRA по персонажам, стилям, одежде, визуальным эффектам и другим темам.
• Tensor.Art — площадка с библиотекой моделей и онлайн-генератором. Здесь можно сразу загрузить фото и посмотреть, какой результат получится. 
• «Нейро-склад» — телеграм-канал с подборками моделей, подробными описаниями и ссылками на скачивание. 

Файлы LoRA сохраняются в формате .safetensors.

Как активировать надстройки 

После скачивания LoRA нужно подключить к модели. Способ зависит от программы сервиса: в некоторых файл нужно выбрать в настройках, в других — добавить через специальную команду в промпте, указав силу влияния. 

Сила (или вес) определяет, насколько серьёзно дополнение повлияет на результат. Чем выше значение, тем сильнее модель будет опираться на LoRA. Показатель 1 означает применение поправок без дополнительного ослабления. Некоторые программы допускают значения выше 1, но слишком большой вес может вызывать значительные искажения — например, сломать композицию или цвета. Рабочий вес нужно подбирать в процессе тестовых генераций, обычно это значение от 0,5 до 0,8. 

В итоге команда выглядит так: <lora:название файла:0.8>. Добавить её можно как в начале запроса, так и в конце. 

Также стоит проверить, есть ли у LoRA триггерные слова — специальные слова, которые помогают вызвать нужный образ или стиль. Обычно автор указывает их на странице файла.

Например, мы выбрали файл, который поможет создать стилистику аниме-фильмов от «Студии Гибли». После подключения файла нам нужно будет добавить эту фразу в промпт: «Studio Ghibli Style, girl walking through a forest, evening light». 

Кодовая фраза поможет нейросети понять, что при генерации нужно использовать знания из подключенной LoRA. При этом триггерные слова нужны не всегда: всё зависит от того, как именно обучали конкретную LoRA.

Как обучить собственную LoRA 

Готовая LoRA подойдет не всегда. Если у вас есть собственный персонаж или вы хотите, чтобы нейросеть повторяла именно ваш стиль иллюстраций, то LoRA придется обучать самостоятельно. Весь процесс можно разделить на несколько этапов. 

Разберем процесс на примере встроенного LoRA Trainer в Civitai. Это онлайн-инструмент для обучения LoRA в браузере. Достаточно нажать Create → Generate 3D Model. 

После регистрации сервис предложит три варианта обучения: 

Этап 1. Соберите датасет

Датасет — это набор изображений, на которых будет учиться LoRA. Например, если вы хотите сохранить внешность своего персонажа, соберите его изображения с разных сторон, с разными эмоциями и в разных условиях. Обычно достаточно от 20 до 40 изображений. 

Однако важно не только количество, но и разнообразие. Нужно показать героя с разных ракурсов, иначе LoRA может запомнить не только его внешность, но и одну и ту же позу или окружение. Что касается качества — выбирайте четкие изображения без случайных артефактов, на которых нужные особенности хорошо видны. 

Этап 2. Опишите изображения

В некоторых программах к изображениям добавляют подписи и теги. Они объясняют модели, что именно находится на картинке. Например, теги будут выглядеть так: my cat, black cat, sitting on grass, wooden fence in the background. Здесь mycat — условное обозначение конкретного кота, которое последовательно используют в подписях при обучении и затем в промптах.

Такое описание помогает модели связать признаки изображения с текстом, разграничить детали и выделить главное — самого черного кота. 

Также можно сделать подробное описание без перечисления. Это будет выглядеть так: 

При этом отдельные подписи к каждому изображению нужны не во всех схемах обучения. Одни инструменты работают только с изображениями и общим названием объекта, а другие используют отдельное описание для каждого кадра.

Этап 3. Выберите базовую модель и запустите обучение

После подготовки датасета нужно выбрать базовую модель — ту нейросеть, для которой вы создаете LoRA. Ориентируйтесь на то, где вы планируете использовать файл. 

В Civitai модели разделены на несколько групп:

• SD 1.5 — подходит для Stable Diffusion 1.5. Внутри можно выбрать стандартную модель или вариант, ориентированный на аниме. 
• SDXL — семейство Stable Diffusion XL. Standard подойдет для обычного SDXL, а Pony и Illustrious — отдельные модели, которые используют для персонажей, аниме и иллюстраций. 
• SD 3.5 — модели семейства Stable Diffusion 3.5.
• FLUX — вариант для моделей семейства FLUX. 
• Custom — позволяет самостоятельно выбрать другую базовую модель, если нужного варианта нет среди готовых.

Этап 4. Проверьте результат

После обучения нужно сделать несколько тестовых генераций. Не стоит проверять LoRA только на том, что уже было в датасете. Лучше поставить персонажа в новые условия — изменить фон, одежду, позу или освещение.

Например, вы обучали LoRA на фотографиях кота дома. Теперь попросите нейросеть нарисовать того же кота на пляже. Если он остается узнаваемым, а новый фон не ломает его внешность, значит, LoRA вполне усвоила нужные признаки.

Весь процесс обучения сводится к простой схеме: выбрать совместимую базу → собрать хорошие примеры → объяснить, что на них изображено → обучить LoRA → проверить ее на новых сценах. 

ЧИТАЙТЕ ТАКЖЕ:

Телеграм-боты с нейросетями: лучшие сервисы для фото, видео и текста

Что важно учитывать при работе с LoRA

Результат зависит не только от настроек обучения, но и от того, чему именно вы хотите научить модель. Например, для персонажа и визуального стиля понадобятся разные исходники.

Для персонажа нужны разные ракурсы и ситуации. Если вы хотите сохранить внешность героя, покажите его с разных сторон, с разными выражениями лица и при разном освещении. Например, добавьте изображения анфас и в профиль, с улыбкой и нейтральным выражением. 

Для стиля нужны разные сюжеты. Если вы хотите научить LoRA повторять определенную манеру иллюстрации, добавляйте разные изображения, выполненные в этой манере. Подойдут люди, здания, природа, предметы. Это поможет модели отделить сам стиль от предметов и сосредоточиться на особенностях работы с цветом, линиями и формами.

Какие проблемы могут возникнуть при обучении и использовании LoRA

Есть несколько базовых проблем, с которыми можно столкнуться: 

• LoRA не подходит к базовой модели. Файл обучают под определенную модель или ее версию. Например, LoRA для SDXL рассчитана на модели семейства SDXL и не предназначена для Stable Diffusion 1.5. 
• В промпте не хватает триггерных слов. Некоторые LoRA обучают так, что для нужного эффекта в запрос нужно добавить определенное слово или фразу. 
• LoRA слишком сильно запомнила исходники. Бывает и так, что персонаж постоянно появляется в одной позе или на одном фоне, хотя в промпте вы просите другое. Такое может произойти при однообразном датасете или переобучении — например, из-за чрезмерного числа шагов. В этом случае стоит пересмотреть исходники, подписи и настройки обучения, а не просто увеличивать или уменьшать силу LoRA.

Главное о LoRA

1. LoRA нужна для того, чтобы научить нейросеть чему-то новому, но не переучивать ее полностью. Например, такой обученный файл поможет сохранить внешность персонажа в разных условиях. 
2. LoRA должна подходить к базовой модели. Файл, созданный для одной модели, нельзя использовать для другой — проверяйте это перед скачиванием. 
3. Готовые LoRA можно скачать на Civitai, Hugging Face и в «Нейро-складе».
4. Некоторые LoRA нужно активировать через триггерные слова. Они помогают вызвать нужного персонажа или стиль. 
5. Чтобы обучить модель, нужно собрать датасет, описать или тегировать изображения, выбрать модель и запустить обучение. Чем разнообразнее исходники, тем точнее будет результат. 
6. При работе с LoRA не стоит: загружать слишком похожие исходники, не проверять совместимость модели, не использовать триггерные слова.

FAQ