你的角色，你的风格，你的下一次创作。

在线 LoRA 训练与 AI 图片生成

为角色、风格和产品准备数据集，使用 Krea 2、FLUX、Qwen Image 和 Z-Image 训练自定义 LoRA，探索 Wan 2.2 和 LTX 视频训练，并通过 MOSS、Anima 和兼容 LoRA 生成 AI 图片。

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。

用 LoRA AI 创作

以下图片和视频均由 LoRA AI Image 与 LoRA AI Video 生成。点一个即可使用它的提示词。

可以训练什么

这些原创图片由 AI 生成，仅作为概念参考；不是 LoRA AI 的训练产物、前后对比或模型性能证明。

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。

Krea 2 FLUX.1 Dev FLUX.2 Dev Qwen Image 2512 Z-Image Turbo Wan 2.2 LTX-2 19B

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。

云端训练的输入、积分与兼容输出
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

准备数据、训练 LoRA、检验新图片

围绕一个角色、一种视觉风格或一款产品组织训练图片，让数据集、描述、模型与测试提示词相互配合。先检查素材，再提交 Krea 2 训练，完成后到生成页测试不同构图和场景。

确定模型与创作目标

角色、风格与产品需要不同的素材侧重点。Krea 2 用于当前云端训练；MOSS、Anima 通过各自兼容的 LoRA 生图。

检查图片数据集

在工作台查看图片尺寸、筛选重复素材，保留对概念有帮助的视角、光线与背景变化。提交云端训练前检查上传限制。

逐张检查与编辑描述

描述服装、姿态、背景等变化，保留角色或产品需要学习的核心特征。训练前核对触发词，减少无关信息干扰。

训练完成后生成与对照

在“我的 LoRA”查看任务结果，完成后使用权重出图。记录提示词与参数，对比新场景里的概念表现，并保留数据集配置草稿。

值得模型学习的创意

角色、风格与产品：LoRA 数据集概念示例

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 LoRA AI 的训练产物、前后对比或模型性能证明。

从目标到评估

如何开始一次 LoRA 训练

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。

1
确定一个概念
先确定你需要的是可辨识的角色、可迁移的风格、独特的产品，还是某个动作。
阅读笔记
2
整理有效样例
保持目标概念一致，同时变化你不希望模型记住的细节。
阅读笔记
3
检查描述并导出
检查文件尺寸，逐张编辑描述，并在离开工作台前导出本地配置。
阅读笔记
4
规划测试提示词
对已完成训练的兼容 LoRA 使用新提示词，记录模型、参数、成功结果与失败案例，对照基础模型判断是否学到了目标概念。
阅读笔记

数据集与兼容性

为专属 LoRA 准备更有用的数据集

先决定模型，再组织素材。Krea 2 训练出的权重用于兼容的 Krea 2 生图流程；MOSS 与 Anima 使用各自适配的权重。相似的模型名称不能证明 LoRA 可以互换。

阅读数据集准备指南

第一轮只确定一个训练概念。
使用你有权用于训练的素材。
移除损坏文件和不必要的重复素材。
将原始图片与导出的 JSON 草稿分开保存。

提示词笔记

用新场景提示词检验角色、风格与产品

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.

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。

LoRA 训练需要多少张图片？关注有效变化，而不是依赖一个适用于所有模型的数量。LoRA 图片描述实用指南区分目标概念与变化细节，包含角色、风格和产品示例。理解训练步数，减少盲目调整调整高级参数前，先理解步数、学习率与过拟合。如何评估训练后的 LoRA测试新提示词，对照基础模型，记录有价值的失败结果。

FAQ

LoRA 训练与 AI 生图常见问题

针对所选模型的实用说明，并明确当前开放情况。

LoRA AI 可以训练什么，如何开始？

当前已接通 Krea 2 图片 LoRA 训练，适合围绕角色、视觉风格或产品概念准备素材。进入训练工作台，检查图片、编辑描述并核对触发词；登录且积分足够后提交。任务状态和成功后的权重可在“我的 LoRA”查看。训练目录中的其他模型与视频训练暂未开放云端提交。

训练完成后如何生成图片？MOSS、Anima 能复用权重吗？

Krea 2 训练成功后，可以从“我的 LoRA”进入配套生成页，输入新提示词测试图片。MOSS 和 Anima 也可独立生图，但需要匹配各自模型的 LoRA，不能直接复用 Krea 2 权重。提交前生成页会显示所需积分；本地数据准备与配置草稿导出免费。

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

继续探索 LoRA 模型与应用场景

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。

角色 LoRA 风格 LoRA 产品 LoRA 视频 LoRA

从你的素材，开始下一次 LoRA 创作

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。