选择基础模型
Krea 2、FLUX、Qwen Image、Z-Image 擅长的画面各不相同，你的 LoRA 会在所选模型上微调。
跳转到正文
准备训练数据集
面向图片与视频模型的 LoRA 微调
LoRA，用你的图片微调。
打造你自己的微调模型。每一张图都不走样。
Loras AI 把你的 4–30 张图片训练成一个 LoRA，也就是轻量的微调模型，让你的角色、产品或画风在每一张新图里都保持一致。无需显卡，无需代码。
试试：
简明说明： 配置服务并准备足够积分及兼容数据集后，可训练已支持的图片和视频 LoRA。每种 LoRA 必须使用对应生成器；目录展示不代表模型互相兼容。
从一个示例开始
支持微调与生成的模型
- Krea 2
- FLUX.1 Dev
- FLUX.2 Dev
- Qwen Image 2512
- Z-Image Turbo
- Wan 2.2
- LTX-2 19B
- MOSS
- Anima
微调所需，一站齐全
4–30 张图片
一组小而集中的图片，就够训练一个 LoRA。
角色、产品、画风
为最常见的三类微调准备好预设。
图片与视频模型
FLUX、Krea 2、Qwen Image、Z-Image，以及 Wan、LTX 视频模型家族。
描述编辑器
训练前逐条检查描述和触发词。
我的 LoRA
查看训练进度，反复使用训练好的模型。
按任务付费
提交前就会显示所需积分。
无需显卡
训练和生成都在云端完成。
四种语言
English、中文、日本語、한국어。
用 Loras AI 创作
以下图片和视频均由 Loras AI Image 与 Loras AI Video 生成。点一个即可使用它的提示词。
为角色、画风和产品打造的微调模型
查看场景示例这些原创图片由 AI 生成，仅作为概念参考；不是 Loras AI 的训练产物、前后对比或模型性能证明。
为需要一致性的创作者而做
在 Loras AI 上微调，只需三步
从几张图片，到一个可以反复使用的微调模型。
- 01
上传
上传同一个角色、产品或画风的 4–30 张清晰图片，训练前逐张检查图片和描述。
- 02
微调
选择基础模型开始微调，LoRA 在云端训练，在“我的 LoRA”里查看进度。
- 03
创作
用你的微调模型生成新场景，主体始终保持一致。
为什么用 Loras AI 微调
微调模型需要的都在这里，不用折腾硬件，也不用写代码。
| 对比项 | Loras AI | 本地训练 | 开发者 API |
|---|---|---|---|
| 需要自备显卡 | 不需要 | 需要大显存 | 不需要 |
| 需要写代码 | 不需要 | 需要配置环境 | 需要 |
| 数据集与描述工具 | 内置 | 另找工具 | 自己开发 |
| 训练后直接生成 | 同一工作台 | 另外搭建 | 自己开发 |
| 付费方式 | 按任务扣积分 | 硬件与电费 | 按请求计费 |
从数据集准备，到 LoRA 训练与出图
Krea 2 提供已接通的云端训练与配套出图流程。MOSS 和 Anima 提供独立生图入口；视频模型与草稿工具保持可探索。提交训练或生图需要登录并有足够积分。
训练专属 Krea 2 LoRA上传并检查图片，逐张编辑描述，提交训练。在“我的 LoRA”查看任务状态，完成后使用训练权重生成图片。探索视频模型与工作流程比较 Wan 和 LTX 模型家族，了解运动素材与数据准备。视频工作台可整理参考与首尾帧草稿，暂不提供云端视频训练或生成。
每个模型需要匹配的 LoRA，权重不能直接跨模型复用。分辨率与所需积分会在生成页展示。
训练能力与使用条件
以下费用和限制读取自应用配置。已接入表示代码具备相关功能，不代表已核实供应商实时状态或完成真实训练验证。
| 模型 | 接入状态 | 云端输入限制 | 积分与参数 | 输出与兼容性 |
|---|---|---|---|---|
| Krea 2 | 已接入，需配置服务 | 1–30 张 JPEG、PNG 或 WebP 图片，配合描述和触发词。单张最多 15 MiB，合计最多 25 MiB。 | 训练每次 100 积分；生成每张 10 积分；固定训练步数 100。 | 成功后获得 LoRA 权重，使用配对的 Krea 2 生成模型；不代表与其他基础模型兼容。 |
| FLUX.1 Dev | 已接入，需配置服务 | 4–30 张 JPEG、PNG 或 WebP 图片，配合描述和触发词。单张最多 15 MiB，合计最多 25 MiB。 | 训练每次 167 积分；生成每张 10 积分；固定训练步数 500。 | 成功后获得 LoRA 权重，使用配对的 FLUX.1 Dev 生成模型；不代表与其他基础模型兼容。 |
| FLUX.2 Dev | 已接入，需配置服务 | 10–30 张 JPEG、PNG 或 WebP 图片，配合描述和触发词。单张最多 15 MiB，合计最多 25 MiB。 | 训练每次 2134 积分；生成每张 14 积分；固定训练步数 1000。 | 成功后获得 LoRA 权重，使用配对的 FLUX.2 Dev 生成模型；不代表与其他基础模型兼容。 |
| Qwen Image 2512 | 已接入，需配置服务 | 4–30 张 JPEG、PNG 或 WebP 图片，配合描述和触发词。单张最多 15 MiB，合计最多 25 MiB。 | 训练每次 167 积分；生成每张 10 积分；固定训练步数 500。 | 成功后获得 LoRA 权重，使用配对的 Qwen Image 2512 生成模型；不代表与其他基础模型兼容。 |
| Z-Image Turbo | 已接入，需配置服务 | 4–30 张 JPEG、PNG 或 WebP 图片，配合描述和触发词。单张最多 15 MiB，合计最多 25 MiB。 | 训练每次 209 积分；生成每张 10 积分；固定训练步数 500。 | 成功后获得 LoRA 权重，使用配对的 Z-Image Turbo 生成模型；不代表与其他基础模型兼容。 |
| Wan 2.2 | 已接入，需配置服务 | 3–10 个 MP4 片段及触发词。单个最多 8 MiB，总计最多 24 MiB。 | 训练：每次 1667 积分；生成：每 5 秒视频 67 积分；固定训练步数：100。 | 成功后获得 LoRA 权重，使用配对的 Wan 2.2 生成模型；不代表与其他基础模型兼容。 |
| LTX-2 19B | 已接入，需配置服务 | 3–10 个 MP4 片段及触发词。单个最多 8 MiB，总计最多 24 MiB。 | 训练：每次 584 积分；生成：每 5 秒视频 34 积分；固定训练步数：500。 | 成功后获得 LoRA 权重，使用配对的 LTX-2 19B 生成模型；不代表与其他基础模型兼容。 |
云端任务需要登录和足够积分。Krea 2 需要配置 Fal；WaveSpeed 图片及视频训练需要配置 WaveSpeed 和 R2 存储。
提交云端训练会将所选素材和标注发送给服务商。图片和视频的数据集限制不同，请在提交前确认账号可用。
专注训练准备
从几张图片到一个微调模型
LoRA 是一种轻量的微调模型：不用重新训练整个基础模型，只用少量图片学会一个角色、一种画风或一款产品。Loras AI 帮你处理数据集、描述和训练，让几张图片变成可以反复使用的微调模型。
准备 4–30 张图片
检查尺寸和重复图片，保留角度、光线和背景上有用的变化。
检查描述
写清楚图片之间变化的部分，让微调模型只学你的主体。训练前核对触发词。
用 LoRA 生成
训练完成后在“我的 LoRA”里打开，用你的微调模型生成新场景。
值得模型学习的创意
微调 LoRA 能做什么：角色、画风与产品
从三个方向定义训练概念。每张参考图都链接到对应工作流，包含数据集建议与评估提示词。
让风格跨越主体。
用海岸插画作为视觉语言参考。风格数据集应变换主体，同时保持材质、色彩与笔触的一致性。
图片描述示例A coastal village in ohwx_style, gouache texture, warm flat colors and fine ink contours.
查看风格 LoRA 训练同一个角色，新的场景。
原创陶瓷探险机器人为数据集提供明确的角色身份。变化角度、姿态与环境，避免重复同一种构图。
图片描述示例ohwx_robot, a ceramic explorer with blue glass eyes, standing beside an alpine lake in daylight.
查看角色 LoRA 训练保留产品的辨识特征。
无品牌琥珀色瓶子便于观察形状与材质。补充玻璃瓶身与瓶盖的不同角度，避免只学习同一个背景。
图片描述示例ohwx_bottle, an amber glass bottle with a round walnut cap, on a travertine surface in window light.
查看产品 LoRA 训练这些原创图片由 AI 生成，仅作为概念参考；不是 Loras AI 的训练产物、前后对比或模型性能证明。
从目标到评估
如何用 LoRA 微调模型
按照所选模型的要求准备图片或视频数据集，检查触发词和标注后提交训练。训练完成后，在对应的生成器中使用权重。
数据集与兼容性
什么样的图片能练出好的微调模型
LoRA 在哪个基础模型家族上微调，就只能在那个家族上用。FLUX 的 LoRA 不能在 Krea 2、Qwen Image 或 Wan 上加载，所以准备图片前先选好基础模型。
阅读数据集准备指南- 一个 LoRA 只微调一个主体。
- 只用你有权使用的图片训练。
- 去掉损坏文件和几乎重复的图片。
- 用新场景测试微调模型。
提示词笔记
测试微调模型的提示词
保存这些思路，用于之后评估兼容的训练适配器。它们是提示词示例，不代表生成结果或效果保证。
建筑场景
A hillside library in ohwx_style, warm flat colors, textured paper and delicate ink contours.
日常物体
A vintage desk lamp in ohwx_style, simple composition, warm ochre and indigo palette.
自然风景
A quiet forest path after rain in ohwx_style, layered shapes, visible gouache texture.
变化主体
A small sailboat in ohwx_style, bold simplified forms, soft paper grain, no lettering.
角色研究
An original fictional gardener in ohwx_style, full-body pose, simple pale background.
测试新的配色
A night market in ohwx_style, restrained blue and amber palette, hand-painted details.
相关笔记
把准备工作做扎实。
了解素材选择、图片描述、训练设置，以及如何判断模型真正学到了什么。
FAQ
LoRA 与微调模型常见问题
针对所选模型的实用说明，并明确当前开放情况。
LoRA 是什么？和微调模型是什么关系？
LoRA 是微调模型的一种。完整微调要重新训练整个基础模型；LoRA 只训练一个小的附加文件，需要的图片和算力少得多，使用时加载在基础模型上。
如何在 Loras AI 上创建微调模型？
进入训练页，选择支持的基础模型，上传同一主体的 4–30 张图片并检查描述。提交前会显示所需积分，训练完成的 LoRA 会出现在“我的 LoRA”里，可以直接用来生成。
现在可以在这个页面提交付费训练吗？
Krea 2、FLUX.1、FLUX.2 Dev、Qwen Image、Z-Image、Wan 2.2 I2V 和 LTX-2 19B 已接入训练及配套生成。付费任务需要配置服务、登录并准备足够积分。其他目录模型仍为预览。
添加的图片会如何处理？
仅整理本地草稿时，图片在当前浏览器标签页内处理，导出的 JSON 不含原图；刷新或离开会清空本地图片。提交云端训练时，选中的数据集与描述会发送给供应商；WaveSpeed 训练还会使用已配置的 R2 存储保存数据集和归档产物，存储隐私取决于存储桶访问配置。生图会将提示词和所选 LoRA 引用发送给对应服务。请仅提交有权使用的素材。
同一个 LoRA 能用于所有图片和视频模型吗？
不能直接互换。需要匹配模型架构、基础版本和加载流程。Krea 2、MOSS 与 Anima 使用各自兼容的权重；名称相似不代表兼容。视频模型的工作流程还可能需要多个适配器文件。
继续探索
可以微调的基础模型
选择训练流程前，先比较相关模型家族。适配器格式与基础模型版本必须保持兼容。
把你的图片变成一个微调模型
选择匹配的模型，整理图片与描述，再提交已开放的训练或生图流程。你也可以先免费导出数据集配置草稿。
你的第一个微调模型，从几张图片开始
带上 4–30 张图片，带走一个让它们始终一致的 LoRA。