LoRA تولیدکننده تصویر با هوش مصنوعی

LoRA مخفف Low-Rank Adaptation یک فایل کوچک است که مدل پایه تصویر را به سمت یک چیز مشخص هدایت می‌کند: یک سبک نقاشی، یک حالت نورپردازی، یک شخصیت، یک شیء یا یک نوع ترکیب‌بندی. حجم آن چند ده تا چند صد مگابایت است، نه چندین گیگابایتِ یک مدل کامل؛ برای همین جامعه کاربری هزاران نمونه از آن را در سایت‌هایی مثل CivitAI آموزش می‌دهد و به اشتراک می‌گذارد.

تولیدکننده تصویر با LoRA این فایل‌ها را برایت اجرا می‌کند. معمولاً باید یک مدل پایه و تک‌تک LoRAهای موردنظرت را دانلود کنی، یک رابط محلی نصب کنی و کارت گرافیکی با حافظه کافی داشته باشی. در Mage یک مدل پایه انتخاب می‌کنی، LoRAها را از فهرست اضافه می‌کنی یا با لینک وارد می‌کنی، وزن هرکدام را تنظیم می‌کنی و روی هر دستگاهی در مرورگر تصویر می‌سازی.

هر LoRA به مدلی تعلق دارد که روی آن آموزش دیده، پس اول باید مدل پایه را انتخاب کنی. در Mage مدل‌های تصویری سازگار با LoRA عبارت‌اند از MOSS-Image، Stable Diffusion XL و خانواده‌های چک‌پوینت آن، Stable Diffusion 1.5، Anima، Z-Image، Krea 2 Turbo و Chroma؛ مدل‌های ویدیویی Wan Video 2.2 و MiniMax-H3 هم از LoRA پشتیبانی می‌کنند.

هر بار با یک LoRA شروع کن. هر کدام مدل را به سمت داده‌های آموزشی خودش می‌کشد و دو یا سه LoRA با وزن کامل معمولاً با هم درگیر می‌شوند و نتیجه‌ای محو و ناخواسته می‌دهند. وقتی یک LoRA درست کار کرد، دومی را با وزن کمتر، حدود ۰٫۵، اضافه کن و آرام‌آرام بالا ببر.

قبل از استفاده، صفحه LoRA را بخوان. سازنده‌اش معمولاً کلمات فعال‌ساز، وزن پیشنهادی و مدل پایه‌ای را که روی آن آموزش دیده نوشته و پرامپت تصاویر نمونه را هم نشان داده است. کپی‌کردن یکی از آن پرامپت‌ها سریع‌ترین راه برای دیدن کار LoRA است، پیش از اینکه پرامپت خودت را بنویسی.

بقیه پرامپت را ساده نگه دار. LoRA سبک خودش حال‌وهوا را می‌آورد، پس سوژه، محیط و نور را توصیف کن و کلمات سبک را به LoRA بسپار. اگر نتیجه از ظاهر LoRA دور شد، احتمالاً پرامپت سبکی رقیب را نام برده است.

• اول یک LoRA، بعد بقیه را با وزن کمتر اضافه کن.
• کلمات فعال‌ساز را از صفحه LoRA کپی کن.
• وقتی چهره یا دست‌ها دفرمه شدند، وزن را کم کن.
• برای مقایسه منصفانه وزن‌ها از یک seed ثابت استفاده کن.
• LoRA را با مدل پایه‌اش هماهنگ کن؛ LoRA مخصوص SDXL روی MOSS-Image بارگذاری نمی‌شود.

MOSS-Image یک مدل متن‌باز جدید از تیم OpenMOSS است که پرامپت‌های طولانی و دقیق را خوب دنبال می‌کند و متن انگلیسی و چینی را رندر می‌کند. جامعه کاربری‌اش سریع برایش LoRA آموزش می‌دهد و Mage مجموعه‌ای رو‌به‌رشد از آن‌ها دارد: سبک‌های نقاشی و انیمه، حالت‌های جوهر و زغال، اسلایدرهای نور و جزئیات و LoRAهای شخصیت. برای نقاط قوت و نکات پرامپت‌نویسی، صفحه مدل MOSS-Image را ببین.

چون MOSS-Image پرامپت‌های بلند را دقیق می‌خواند، LoRA سبک و یک صحنه با توصیف دقیق خوب کنار هم کار می‌کنند: LoRA ظاهر را می‌دهد و پرامپت تعیین می‌کند چه چیزی در کادر باشد و چه کلماتی در آن دیده شود.

در صفحه ورود، لینک مدل CivitAI را بچسبان؛ Mage مدل پایه را تشخیص می‌دهد، فایل را دانلود می‌کند و سازگاری آن را بررسی می‌کند. ورود حدوداً یک دقیقه طول می‌کشد و بعد فایل در انتخاب‌گر LoRA همان مدل ظاهر می‌شود. فایل‌های استاندارد LoRA و LoCon کار می‌کنند؛ MOSS-Image هنوز فایل‌های LoKr، LoHa یا DoRA را نمی‌پذیرد.

ورود فایل جزو طرح‌های Pro Plus و Max است. در هر طرحی می‌توانی از LoRAهای موجود در فهرست استفاده کنی، و تولیدکننده تصویر هوش مصنوعی نامحدود توضیح می‌دهد هر پلن کدام مدل‌ها را بدون محدودیت اجرا می‌کند.