kohya_ss 入门:训练游戏角色 LoRA
从安装配置到训练专属 LoRA,把角色设定图转化为可复用模型,并接入 ComfyUI 或 Stable Diffusion WebUI 生成统一风格的游戏美术。
- 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
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
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
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
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
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
常见问题
Q:启动 kohya_ss 后看不到显卡怎么办?
先检查是否已按官方说明安装 Python、依赖及对应显卡运行库,再回到启动页面确认 GPU、PyTorch 和显存是否被识别;未识别时不要继续训练,应先补齐对应显卡环境。
Q:训练时显存不足,参数该怎么调整?
降低网络维度、rank 或 batch size,使训练参数匹配当前显存;同时确认底模版本与所选配置一致。建议先用 20~30 张清晰图片小规模试训,避免一次设置过大导致启动失败。
Q:训练好的 LoRA 怎么用于游戏角色出图?
将 LoRA 文件复制到 ComfyUI 的 models/loras 或 Stable Diffusion WebUI 的 models/Lora 目录,在提示词中输入训练时设置的触发词并加载 LoRA,再用固定种子和提示词生成立绘、表情与动作图。