Qwen-Image LoRA-tränare
Finjustera Qwen-Image på en ZIP-datauppsättning för karaktär, ämne eller konstnärlig stil med konfigurerbara steg, inlärningshastighet och rangordning.
Muapis AI LoRA-tränar-API finjusterar en bärbar LoRA-adapter från din egen bilddatauppsättning utan GPU-uthyrning eller träningsinfrastruktur. Ladda upp ett ZIP-arkiv, välj ett triggerord och få en nedladdningsbar .safetensors-fil redo för kompatibel bildgenerering.Åtta dedikerade träningsändpunkter täcker FLUX.1 [dev], FLUX.2 Klein 4B/9B, Qwen-Image, Qwen-Image-2512 och Z-Image / Z-Image Base. Använd ett REST-mönster med fast prissättning per omgång eller per steg från 2,00 USD per 1 000 steg.
LoRA-träning är live på Muapi
Välj en basmodell, skicka in en ZIP-datauppsättning och utlösa ord, fråga sedan det returnerade begäran-ID för en nedladdningsbar LoRA-fil.
Finjustera Qwen-Image på en ZIP-datauppsättning för karaktär, ämne eller konstnärlig stil med konfigurerbara steg, inlärningshastighet och rangordning.
Finjustera den nyare Qwen-Image-2512-kontrollpunkten från en ZIP-datauppsättning till samma låga pris per steg som bas-Qwen-tränaren.
Träna anpassade Z-Image-adaptrar från ett ZIP-arkiv med automatiskt inställda standardinställningar och valfri kontroll över steg, inlärningshastighet och LoRA-rankning.
Finjustera den fullständiga icke-destillerade Z-Image Base-kontrollpunkten med automatiskt inställda standardvärden och manuell hyperparameterkontroll.
Träna en anpassad Flux LoRA från 10–50 bilder och en triggerfras. Den fasta 3,20 USD köravgiften täcker träningsjobbet, och den resulterande .safetensors-filen kan återanvändas med en kompatibel Flux Dev-generering.
Träna en stilfokuserad adapter på FLUX.1 [dev] från en ZIP-datauppsättning, med nedladdningsbar säkerhetsutmatning och omedelbar AIR-plattformsdistribution.
Träna adaptrar på den mindre, snabbare FLUX.2 Klein 4B-arkitekturen med ZIP-ingång, nedladdningsbar utdata och omedelbar AIR-distribution.
Träna stiladaptrar av högre kvalitet på den större FLUX.2 Klein 9B-arkitekturen med fakturering per steg och omedelbar AIR-distribution.
En LoRA (Low-Rank Adaptation) är en liten, bärbar viktfil som lär en basbildsmodell en karaktär, ämne, varumärkesidentitet eller visuell stil utan att omskola hela modellen. Ett AI LoRA-tränings-API förvandlar den processen till en HTTP-begäran: ladda upp en ZIP med referensbilder, skicka in jobbet och omröstning för en nedladdningsbar .safetensors-fil.
Muapi exponerar åtta tränare genom samma REST-mönster som används över plattformen. Träna en gång, återanvänd den resulterande adaptern över kompatibla generationer på Muapi, eller ladda ner standardviktsfilen för din egen pipeline.
Bunta 4–50 träningsbilder och valfria textningsfiler med samma namn .txt till en ZIP-fil på en allmänt tillgänglig webbadress.
Välj en kort, ovanlig fras som aktiverar ditt tränade ämne eller din stil i framtida uppmaningar.
Träna på FLUX.1 [dev], FLUX.2 Klein 4B/9B, Qwen-Image, Qwen-Image-2512 eller Z-Image / Z-Image Base.
Använd automatiskt inställda standardvärden eller kontrollsteg, inlärningshastighet och LoRA-rankning där den valda tränaren stöder dem.
Ladda ner en standard .safetensors-fil som inte är låst till Muapis inferenslager.
Utbildade adaptrar registrerar sig för nedströms Muapi-slutledning utan ett separat publiceringssteg.
Lär en kompatibel bildmodell en återkommande person, maskot, karaktär eller föremål i upprepningsbara generationer.
Fånga ett visuellt språk, produktbehandling eller kampanjestetik för framtida kreativ produktion.
Träna på en kurerad illustration eller fotografering och återanvänd det inlärda utseendet över nya uppmaningar.
Använd billiga Qwen- eller Z-Image-tränare för att testa en datauppsättning och utlösa en fras innan du skalar upp.
| Tränare | Basmodell | Pris | Bäst för |
|---|---|---|---|
Värd för en ZIP-datauppsättning, skicka in den till tränaren som matchar din basmodell, spara förfrågnings-ID och polla standardresultatets slutpunkt för lora_url.
Flux-tränaren accepterar images_data_url, en trigger_phrase och en valfri träningsstil av ämne eller stil.
curl -X POST https://api.muapi.ai/api/v1/z-image-lora-trainer \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"data":"https://example.com/dataset.zip","trigger_word":"my_style","steps":2000,"learning_rate":0.0001,"lora_rank":16}'Z-Image, Qwen och stiltränare exponerar ZIP-inmatning plus steg- och hyperparameterkontroller som är lämpliga för den familjen.
Fråga tills uppgiften är klar, ladda sedan ner lora_url eller skicka den till en kompatibel generationsslutpunkt.
Den tränar en anpassad Low-Rank Adaptation-modell från din bilddatauppsättning genom en REST-slutpunkt. Ladda upp en ZIP, välj ett triggerord och få en återanvändbar .safetensors-adapter.
Muapi exponerar för närvarande Flux.1 [dev], FLUX.2 Klein 4B och 9B, Qwen-Image, Qwen-Image-2512 och Z-Image / Z-Image Base över åtta träningsändpunkter.
Priset börjar på 2,00 USD per 1 000 steg för Qwen-Image och Qwen-Image-2512, är 2,50 USD per 1 000 steg för Z-Image och FLUX.1 [dev] Style, och når 4,50 USD per 1 000 steg för FLUX.2 Klein 4BLUX.2 Klein 4BLUX. Flux LoRA Trainer kostar 3,20 USD per löpning.
De flesta tränare accepterar 4–50 bilder. Tio till trettio olika bilder är en praktisk utgångspunkt för ett ämne; håll det estetiska konsekvent när du tränar en stil.
Nej. Caption .txt-filer är valfria, men när de ingår ska de använda samma basnamn som bilden. Följ tränarens trigger-ord-regler för platshållare.
Du får en nedladdningsbar .safetensors viktfil och, för tränare som stöds, omedelbar registrering för Muapi-inferens.
Ja. .safetensors-utgången är en standardadapter för kompatibla pipelines som använder den matchande basmodellarkitekturen.
Skapa en Muapi API-nyckel, ladda upp din datauppsättning och förvandla ett visuellt koncept till en återanvändbar adapter.