API-интерфейс тренера AI LoRA от Muapi позволяет точно настроить портативный адаптер LoRA на основе вашего собственного набора данных изображений без аренды графического процессора или инфраструктуры обучения. Загрузите ZIP-архив, выберите триггерное слово и получите загружаемый файл .safetensors, готовый для создания совместимого изображения.Восемь специальных конечных точек обучения охватывают FLUX.1 [dev], FLUX.2 Klein 4B/9B, Qwen-Image, Qwen-Image-2512 и Z-Image/Z-Image Base. Используйте один шаблон REST с фиксированной ценой за выполнение или за шаг от 2,00 долларов США за 1000 шагов.
Обучение LoRA проходит в прямом эфире на Muapi
Выберите базовую модель, отправьте набор данных ZIP и триггерное слово, а затем опросите возвращенный идентификатор запроса на наличие загружаемого файла LoRA.
Точная настройка Qwen-Image в наборе данных ZIP для обеспечения единообразия персонажей, предметов или художественного стиля с помощью настраиваемых шагов, скорости обучения и ранга.
Выполните точную настройку новой контрольной точки Qwen-Image-2512 из набора данных ZIP по той же низкой цене за шаг, что и базовый тренажер Qwen.
Обучите собственный Flux LoRA на основе 10–50 изображений и триггерной фразы. Фиксированная плата за запуск в размере 3,20 доллара США покрывает работу по обучению, а полученный файл .safetensors можно повторно использовать для совместимой генерации Flux Dev.
Обучите адаптер, ориентированный на стиль, на FLUX.1 [dev] из набора данных ZIP с загружаемыми выходными данными защитных датчиков и мгновенным развертыванием платформы AIR.
Адаптеры обучающего типа на меньшей и более быстрой архитектуре FLUX.2 Klein 4B с входом ZIP, загружаемыми выходными данными и мгновенным развертыванием AIR.
Обучение адаптеров более высокого качества на более крупной архитектуре FLUX.2 Klein 9B с поэтапной оплатой и мгновенным развертыванием AIR.
Обучайте пользовательские адаптеры Z-Image из ZIP-архива с автоматически настраиваемыми настройками по умолчанию и дополнительным контролем над шагами, скоростью обучения и рейтингом LoRA.
Выполните точную настройку полной контрольной точки базы Z-Image Base с автоматическими настройками по умолчанию и ручным управлением гиперпараметрами.
LoRA (адаптация низкого ранга) — это небольшой портативный файл весов, который обучает базовую модель изображения персонажу, предмету, фирменному стилю или визуальному стилю без переобучения всей модели. API обучения AI LoRA превращает этот процесс в один HTTP-запрос: загрузите ZIP-архив с эталонными изображениями, отправьте задание и запросите загружаемый файл .safetensors.
Muapi предоставляет восемь тренеров с помощью одного и того же шаблона REST, используемого на платформе. Обучите один раз, повторно используйте полученный адаптер в совместимых поколениях на Muapi или загрузите стандартный файл весов для своего собственного конвейера.
Объедините 4–50 обучающих изображений и дополнительные одноименные файлы подписей в формате .txt в ZIP-архив по общедоступному URL-адресу.
Выберите короткую необычную фразу, которая активирует изученный вами предмет или стиль в будущих подсказках.
Тренируйтесь на FLUX.1 [dev], FLUX.2 Klein 4B/9B, Qwen-Image, Qwen-Image-2512 или Z-Image/Z-Image Base.
Используйте автоматически настроенные настройки по умолчанию или шаги управления, скорость обучения и рейтинг LoRA, если выбранный тренер их поддерживает.
Загрузите стандартный файл .safetensors, который не привязан к слою вывода Muapi.
Обученные адаптеры регистрируются для последующего вывода Muapi без отдельного этапа публикации.
Обучите совместимой модели изображения повторяющегося человека, талисмана, персонажа или объекта для повторяющихся поколений.
Создайте визуальный язык, оформление продукта или эстетику кампании для будущего творческого производства.
Тренируйтесь на тщательно подобранных иллюстрациях или наборах фотографий и повторно используйте изученный взгляд в новых подсказках.
Используйте недорогие тренажеры Qwen или Z-Image для тестирования набора данных и триггерной фразы перед масштабированием.
| Тренер | Базовая модель | Цена | Лучшее для |
|---|---|---|---|
Разместите набор данных ZIP, отправьте его тренеру, который соответствует вашей базовой модели, сохраните идентификатор запроса и опросите стандартную конечную точку результата для lora_url.
Тренер Flux принимает images_data_url, триггер_фразу и необязательный обучающий_стиль предмета или стиля.
Тренажеры Z-Image, Qwen и стилей предоставляют входные данные ZIP, а также элементы управления шагами и гиперпараметрами, соответствующие этому семейству.
Опрашивайте до завершения задачи, затем загрузите lora_url или передайте его совместимой конечной точке генерации.
Он обучает пользовательскую модель адаптации низкого ранга из вашего набора данных изображения через конечную точку REST. Загрузите ZIP-архив, выберите триггерное слово и получите многоразовый адаптер .safetensors.
В настоящее время Muapi предоставляет Flux.1 [dev], FLUX.2 Klein 4B и 9B, Qwen-Image, Qwen-Image-2512 и Z-Image/Z-Image Base для восьми конечных точек обучения.
Цены начинаются с 2,00 доллара США за 1000 шагов для Qwen-Image и Qwen-Image-2512, составляют 2,50 доллара США за 1000 шагов для Z-Image и FLUX.1 [dev] Style и достигают 4,50 долларов США за 1000 шагов для FLUX.2 Klein 4B. Flux LoRA Trainer стоит фиксированную сумму 3,20 доллара за сеанс.
Большинство тренеров принимают от 4 до 50 изображений. Десять-тридцать различных изображений — практическая отправная точка для изучения предмета; сохраняйте эстетику последовательной при тренировке стиля.
Нет. Файлы Caption .txt не являются обязательными, но при их включении они должны использовать то же базовое имя, что и их изображение. Следуйте правилам тренера в отношении слов-триггеров для заполнителей.
Вы получаете загружаемый файл весов .safetensors, а для поддерживаемых тренеров — мгновенную регистрацию для вывода Muapi.
Да. Выходные данные .safetensors представляют собой стандартный адаптер для совместимых конвейеров, использующих соответствующую архитектуру базовой модели.
Создайте один ключ API Muapi, загрузите свой набор данных и превратите визуальную концепцию в адаптер многократного использования.