top of page
検索

【AIキャラ開発スタートガイド】オリジナルの自作LoRAを作ろう！

執筆者の写真: AICU Japan
AICU Japan
8月14日
読了時間: 7分

道草雑草子(ざすこ)さん X@zasuko_michiksa による「AIキャラスタートガイド」、ここからは、いよいよ自分だけのオリジナルキャラクターを形にしていきます。



自分好みの LoRA を作る



Civitaiなどで配布されているLoRAは便利ですが、完全オリジナルキャラクターや自分だけの画風を再現するには限界があります。自作LoRAなら、以下が可能になります。



* 世界に一つだけのキャラクターを定着化



既存LoRAでは表現できない独自デザイン（衣装・髪型・瞳の色等）を学習可能



* 自分の画風・作風をAIに学習させる



自作イラストや特定の加工スタイルを学習し、同じタッチで量産可能



* 商用利用・二次創作の自由度が高い



他者のLoRAはライセンス制限があるが、自作なら権利関係を自分でコントロール可能



* キャラクターの一貫性を完全制御



公開LoRAは他人の学習データが混ざるが、自作なら100%自分の意図通りの学習が可能



自作LoRAが作れる仕組み（技術的背景）



① 追加学習（Fine-tuning）の原理 Stable Diffusionのような大規模モデル（数十億パラメータ）を一から学習するには膨大な計算資源が必要です。 しかしLoRA（Low-Rank Adaptation）は、元のモデルを凍結したまま、小さな追加層だけを学習することで比較的簡易的に学習データを作成することが可能な手法です。



* 元モデル（Checkpoint）: 変更しない（数GB）



* LoRAファイル: 追加学習部分のみ（数MB~200MB）



* 結果: 元モデル + LoRA = 特定要素を強化した生成が可能



② 学習に必要なデータ量 大規模モデルの学習には数百万枚が必要ですが、LoRAは20～50枚の学習画像で特定の特徴を記憶できます。 これは「既にある知識（元モデル）に、新しい情報を少し追加する」というアプローチだからです。



③ トリガーワードと合わせて呼び出す 学習時に全画像のキャプションに「hibiki_mei」のような固有の単語を含めることで、その単語と 特定のビジュアル要素（紫髪、銀の瞳、衣装デザイン等）が紐付けられます。



生成時にLoRAの学習データと、トリガーワードの「hibiki_mei」を入力すれば、学習した特徴が呼び出され付与された状態で画像が生成されます。






自作LoRAに必要なスペック的条件



自作LoRAを作成できるかどうかは、主にGPU性能とVRAM容量に依存します。



必要環境の分岐点



ポイント



* GPU非搭載PCでも Google Colab（無料版でも）を使えば同様に学習可能



* ローカルで作る場合、VRAM 8GB未満は解像度を「512×512」に下げれば対応可（ただしSDXL非推奨、SD1.5用となる）



* 学習時間: 画像30枚・Epochs 5の場合



\- VRAM 16GB（RTX 4060 Ti等）: 約40分 \- VRAM 12GB（RTX 3060等）: 約1時間 \- Colab 無料版（T4）: 約1時間30分 \- 自作LoRAならではの有用性



① 完全オリジナルキャラの定着化



* 既存LoRAでは「紫髪の女性アイドル」程度の一般的表現にとどまるが、



自作なら瞳の形・衣装の細部・アクセサリー・髪の流れ方まで再現可能 例: 「左目だけ銀、右目だけ紫のオッドアイ」「肩に小さな翼状の装飾がある衣装」等の細部



② 画風・作風の統一



* 自分が描いたイラスト30枚を学習させれば、同じ線画タッチ・塗り方で量産可能



例: 水彩画風の柔らかいタッチ、厚塗りの重厚感、ドット絵風等



③ 表情・ポーズのバリエーション展開



* 一度学習すれば、プロンプトで smile, waving, running 等を指定するだけで多様な生成が可能



* 学習画像にない表情・ポーズも、元モデルの知識と組み合わせて生成される



④ 商用利用・権利関係の明確化



* 他者のLoRAは「改変禁止」「商用利用不可」等のライセンス制限がある場合が多い



* 自作なら自分が権利者なので、自由に販売・配布・二次創作が可能



⑤ キャラクターの進化・改良が容易



* 「もっと可愛く」「衣装を変更」したい場合、学習画像を追加して再学習でバージョンアップ可能



例: hibiki_mei_v1.safetensors → hibiki_mei_v2_summer.safetensors（夏服版）



このように、自作LoRAは、少量の画像（20～50枚）と適度なGPU（VRAM 8GB以上、またはColab無料版）があれば作成可能です。



オリジナルキャラクターの完全再現、画風の統一、権利関係の自由度など、 既存LoRAにはない独自の価値があります。



ローカル環境とクラウド環境のメリット・デメリット



どちらを選ぶ？



* ローカル: GPU搭載PCあり、頻繁に学習を回したい方向け



* クラウド: GPUなし、まず試したい、たまに使う方向け



ローカル作成時の必要スペック



ポイント



* VRAM不足の場合は、解像度を1024→768に下げたり、バッチサイズを減らせば対応可能



* 学習時間は約30分～2時間（画像枚数・GPU性能・設定次第）



例: RTX 5700 Ti（VRAM 16GB）で50枚・5エポック → 約1時間30分



LoRA制作に必要なもの



①環境



* ローカル: StabilityMatrix + kohya_ss パッケージ



* クラウド: Google Colab + ざすこ式/HollowStrawberry式 Jupyter Notebook



②ツール



* 画像生成AI: Gemini 3 Pro Image、GPT-Image 1.5、Nano Banana Pro 等でキャラ素材作成



* 画像編集: Photoshop、GIMP、Canva 等で背景削除や調整



* Dataset Tag Editor: キャプション（説明文タグ）の編集用（kohya_ss内蔵）



③学習画像



学習画像の準備例



1. Gemini 3 Pro Imageで「響姫 メイ、正面、笑顔、白背景」等を指示して10枚生成



2. GPT-Image 1.5で「side view, waving, simple background」等で別10枚



3. Nano Banana Proで「looking back, peace sign, white background」等で10枚



4. 合計30枚をtrain_data/hibiki_mei/フォルダに保存



注意点



* 同じ角度ばかりだと正面しか学習されない → 多様な角度を用意



* 背景が複雑だとキャラ以外の要素も学習してしまう → 無地背景推奨



* 低解像度（512×512以下）は非推奨 → SDXL学習には1024×1024



④キャプション（説明タグ） 学習画像1枚ごとに、その画像の内容を説明する .txt ファイルを作成します。 キャプション例（hibiki_mei_001.png に対応する hibiki_mei_001.txt）



hibiki_mei, 1girl, solo, idol, purple hair, long hair, silver eyes, purple idol costume, standing, smile, white background



ポイント hibiki_mei がトリガーワード（LoRA起動用キーワード） タグは英語カンマ区切り（Booru形式） 共通タグ（1girl, solo 等）と個別タグ（smile, waving 等）を組み合わせ



キャプション作成とDataSet Tag Editorの使い方



ステップ①: 自動キャプション生成（WD Tagger）



1. kohya_ss の Utilities タブ → Captioning → WD14 Tagger を選択



2. Image folder に学習画像フォルダを指定（例: C:\train_data\hibiki_mei\）



3. Threshold を 0.35 に設定（タグ検出の閾値）



4. Run Captioning をクリック → 各画像に .txt ファイルが自動生成される



生成されたキャプション例（自動タグ）



1girl, solo, long hair, purple hair, smile, purple eyes, looking at viewer, white background, upper body



ステップ②: DataSet Tag Editorで編集



1. kohya_ss の Utilities タブ → Dataset Tag Editor を開く



2. 画像フォルダを読み込み



3. 全画像に共通のタグを一括追加： hibiki_mei（トリガーワード） \- idol, purple idol costume（キャラ固有要素）



4. 除外タグの削除： white background, simple background 等の背景タグは学習に不要なら削除 \- upper body, cowboy shot 等の構図タグも削除推奨（プロンプトで後から指定可能なため)



5. 個別タグの調整 - 笑顔画像には smile、ピースサインには peace sign を追加 \- 各画像の内容に合わせて手動微調整



編集後のキャプション例



hibiki_mei, 1girl, solo, idol, purple hair, long hair, silver eyes, purple idol costume, standing, smile



ステップ③: トリガーワード・LoRA名の決定



1. トリガーワード: hibiki_mei（半角英数、アンダーバー可、スペース不可）



2. LoRA名: HibikiMei_v1.safetensors（ファイル名）



3. プロンプトでの使用例:



hibiki_mei, 1girl, idol, standing, smile, stage






ローカルでの作成手順（kohya_ss方式）



前提条件



* StabilityMatrix インストール済み



* kohya_ss パッケージ追加済み（StabilityMatrix → Packages → Add → kohya_ss）



手順①: kohya_ss起動



1. StabilityMatrix → kohya_ss パッケージを選択 → Launch ボタン



2. ブラウザで http://localhost:7860/ が自動で開く



手順②: 学習データ準備



1. フォルダ構成例:



C:\train_data\ └── hibiki_mei\ ├── hibiki_mei_001.png ├── hibiki_mei_001.txt ├── hibiki_mei_002.png ├── hibiki_mei_002.txt └── ... （合計30枚）



1. 各 .txt ファイルに前述のキャプションを記入



手順③: LoRA学習設定（LoRA タブ）



1. Source model（ベースモデル）



Model に SDXL Checkpoint を指定（例: IllustriousXL_v0.1.safetensors） パス例: C:\StabilityMatrix\Data\Packages\stable-diffusion-webui- forge\models\Stable-diffusion\IllustriousXL_v0.1.safetensors



2.Folders（フォルダ設定）



・Image folder: C:\train_data\hibiki_mei\ ・Output folder: C:\output_lora\（任意の保存先） ・Logging folder: 空欄でOK



3.Training parameters（学習パラメータ）



4.Advanced（詳細設定）



・Enable xformers: チェック（高速化） ・Cache latents: チェック（VRAM節約） ・Gradient checkpointing: チェック（VRAM節約） ・No half vae: チェック（エラー防止）



手順④: 学習開始



1. 全設定を確認後、Start training ボタンをクリック



2. 進行状況がログに表示される（例: Step 50/1400, Loss: 0.08）



3. 完了後、C:\output_lora\ に hibiki_mei_v1.safetensors が生成される



学習時間の目安



* 画像30枚、Epochs 5、Batch 4、RTX 4060 Ti → 約40分



* 画像50枚、Epochs 10、Batch 2、RTX 3060 12GB → 約2時間



クラウドでの作成手順（Google Colab）



* HollowStrawberry式 LoRA Trainer: HollowStrawberry LoRA Trainer



<https://j.aicu.ai/LoRA26>



Google Colab



j.aicu.ai



https://j.aicu.ai/LoRA26



CSGと新刊書籍のために開発したLTS(長期サポート)LoRAです！ 【キャラクターを創り動かす】画像・動画生成AI スタートガイド





前提条件



* Googleアカウント（Google Drive 15GB無料枠）



* Google Colab 無料版（または Colab Pro 約1,000円/月）



手順①: ノートブックを開く



* 上記リンクから「ざすこ式 LoRA Trainer」をコピー



* Google Drive の /StableDiffusion/LoRA_Training/ フォルダを作成



* ノートブックを Drive に保存



手順②: 学習データのアップロード



1. Google Drive に以下のフォルダ構成を作成:



/StableDiffusion/ └── train_data/ └── hibiki_mei/ ├── hibiki_mei_001.png ├── hibiki_mei_001.txt └── ... （30枚）



2.学習画像とキャプションファイルをアップロード


 
 
 

コメント

bottom of page