KO

kohya_ss

训练专属 LoRA,让游戏美术产出稳定贴合角色设定

LoRA模型微调美术训练本地部署出图调参
所属分类🔗 AI 工作流与训练
创作阶段📚 资源
工具类型⚡ AI 原生工具
支持平台Windows、Linux
价格模式免费开源
适合人群AI 美术师、独立开发者与需要定制模型的美术团队
官网链接● 正常
资料更新2026-11-16

🧠 在 AI 创作链路中的位置

把角色与风格样本训练成可复用模型,供后续出图调用。

所属阶段:📚 资源 · AI 原生工具,直接用生成能力做生产

工具介绍

kohya_ss 是用于 Stable Diffusion 生态的 LoRA 训练与微调工具,可整理图片、配置参数并训练角色、服装或风格模型。它适合需要批量生成统一美术资产的团队,要求具备显卡、Python 环境及相应模型基础。

核心能力

  • LoRA 模型训练配置
  • 数据集整理与标注
  • 训练参数图形化设置
  • 适配多种扩散模型

👍 优点

  • 统一角色美术风格
  • 生成结果更贴合设定
  • 支持本地离线训练

⚠️ 局限

  • 需要较强显卡配置
  • 训练调参门槛较高

典型使用场景

  • 训练专属角色 LoRA
  • 统一服装与画风输出
  • 批量生成游戏概念图
  • 制作美术资产微调模型

使用教程

进阶⏱ 约 2 小时🎯 训练一个可在出图管线调用的角色 LoRA
  1. 1

    准备训练环境

    克隆 kohya_ss 仓库,按官方说明安装 Python、依赖及对应显卡运行库;在启动页面检查 GPU、PyTorch 与显存是否识别正常。

  2. 2

    整理角色数据集

    准备 20~50 张角色清晰、风格一致且角度多样的图片,按角色子目录放入 train 数据集;避免混入其他角色、复杂背景和低清图。

  3. 3

    标注触发词与设置

    在 LoRA 配置页填写基础模型路径、输出目录和触发词;按显存选择网络维度、rank 与 batch size,预览数据并修正错误图片和标签。

  4. 4

    执行训练

    选择 SD1.5、SDXL 等匹配底模及优化器,设定重复次数、epoch、保存间隔和学习率后点击 Start;观察 loss,确认无过拟合或欠拟合迹象。

  5. 5

    检查与筛选模型

    等待训练完成,在输出目录查看 checkpoint 与最终 LoRA;用固定种子和提示词对比不同保存点,筛选角色还原度高、风格稳定的版本。

  6. 6

    接入出图管线

    把 LoRA 文件复制到 ComfyUI 的 models/loras 或 WebUI 的 models/Lora 目录,在提示词输入触发词并加载 LoRA;随后批量生成角色立绘、表情和动作图。

💡 实用技巧

  • 触发词使用独特组合,避免与常见词冲突
  • 先从 20~30 张清晰图片小规模试训
  • 固定底模后再比较不同 epoch 的效果
  • 训练参数应匹配显存与模型版本

⚠️ 常见坑

  • 底模版本与数据集风格不匹配会导致失真
  • 图片过少或重复过多容易过拟合

完整图文教程:kohya_ss 入门:训练游戏角色 LoRA

📖 同类工具怎么选

本分类负责把零散的 AI 生成能力组织成可重复执行的游戏美术管线,覆盖提示词管理、节点式批量出图、角色 LoRA 训练、素材审批与发布。选择时应先看引擎兼容性、批处理能力、模型管理、自动化接口和本地硬件要求,再用官方示例验证工作流。

阅读《AI 游戏工作流与模型训练总览》

同类工具推荐