Z-Image Base LoRA 训练器: Training

从 zip 数据集为 Z-Image Base 检查点训练自定义 LoRA 适配器。支持自动调优默认值、快速迭代，以及在 Muapi 上按步计费。 Z-Image Base LoRA 训练器可直接从自己的图像数据集微调整个 Z-Image Base 检查点，为特定角色、品牌身份或艺术风格构建基于基础（非蒸馏）Z-Image 模型的自定义 LoRA。上传包含训练图像和可选 .txt 文本说明的 .zip 压缩包后，训练器会处理自动调优的学习率和步数调度，因此无需手动调整训练过程。步骤、学习率和 LoRA 秩仍可供用户调整，以获得更精细的控制，而且训练只需几分钟而不是几小时即可完成。

交互式模型控制

从 zip 数据集为 Z-Image Base 检查点训练自定义 LoRA 适配器。支持自动调优默认值、快速迭代，以及在 Muapi 上按步计费。

📝

概览

关于此模型

Z-Image Base LoRA 训练器可直接从自己的图像数据集微调整个 Z-Image Base 检查点，为特定角色、品牌身份或艺术风格构建基于基础（非蒸馏）Z-Image 模型的自定义 LoRA。上传包含训练图像和可选 .txt 文本说明的 .zip 压缩包后，训练器会处理自动调优的学习率和步数调度，因此无需手动调整训练过程。步骤、学习率和 LoRA 秩仍可供用户调整，以获得更精细的控制，而且训练只需几分钟而不是几小时即可完成。

1Z-Image Base 定制：微调完整的 Z-Image Base 检查点，以适应目标视觉风格或领域。

2品牌与风格适配：让模型学习特定的品牌身份、色彩调色板或艺术风格。

3对象与 IP 训练：为专有产品、图标或知识产权创建目标明确的 LoRA 适配器。

💰

价格与价值

成本分析

提供商	费用	备注
muapiapp	$2.50 per 1,000 steps	按训练步骤计费，提供自动调优的默认值，无需额外配置成本。
Fal.ai	暂不可用	Z-Image Base LoRA Trainer 未托管在 Fal.ai。
Replicate	暂不可用	Z-Image Base LoRA Trainer 未托管在 Replicate。

muapiapp$2.50 per 1,000 steps

按训练步骤计费，提供自动调优的默认值，无需额外配置成本。

Fal.ai暂不可用

Z-Image Base LoRA Trainer 未托管在 Fal.ai。

Replicate暂不可用

Z-Image Base LoRA Trainer 未托管在 Replicate。

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

参数	类型	描述	默认值
数据集 ZIP URL	string	包含图像的 zip 压缩包 URL。通常建议至少使用 4 张图像，越多越好。除图像外，压缩包还可以包含带有说明文字的文本文件。	`undefined`
触发词	string	可选的 trigger word. If a caption file exists, it is prepended when not already present.	`example`
步数	int	用于训练 LoRA 的步数。	`1000`
学习率	float	Z-Image Base LoRA 训练的学习率。	`0.0001`
LoRA 秩	int	LoRA 秩维度。	`16`

数据集 ZIP URLstring

包含图像的 zip 压缩包 URL。通常建议至少使用 4 张图像，越多越好。除图像外，压缩包还可以包含带有说明文字的文本文件。

默认值undefined

触发词string

可选的 trigger word. If a caption file exists, it is prepended when not already present.

默认值example

步数int

用于训练 LoRA 的步数。

默认值1000

学习率float

Z-Image Base LoRA 训练的学习率。

默认值0.0001

LoRA 秩int

LoRA 秩维度。

默认值16

📖

实施指南

开发者文档

如何使用 Z-Image Base LoRA 训练器 API

准备数据集：创建一个 .zip 压缩包，其中包含至少 4 张高质量训练图像。也可以加入与每张图像共享基本文件名的 .txt 文本说明文件。
设置训练参数：自定义 trigger_word、steps（默认 1000，范围 1,000-10,000）、learning_rate（默认 0.0001）和 lora_rank（默认 16，范围 1-64）。
通过 API 提交请求：

curl -X POST "https://api.muapi.ai/api/v1/z-image-base-lora-trainer" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "data": "https://example.com/my-dataset.zip",
    "trigger_word": "my_custom_style",
    "steps": 1000,
    "learning_rate": 0.0001,
    "lora_rank": 16
  }'

获取训练权重：当状态达到 completed 后，响应的 outputs 数组会包含训练完成的 .safetensors 文件下载 URL。

❓

常见问题

常见问答

什么是 Z-Image Base LoRA 训练器？

Z-Image Base LoRA 训练器是一个异步 API，可从压缩的图像数据集为 Z-Image Base 检查点微调自定义 LoRA 适配器，并提供自动调优默认值和可自定义的超参数。

它与标准 Z-Image LoRA 训练器有什么区别？

该训练器针对的是 Z-Image Base 检查点，而不是标准 Z-Image 模型，因此生成的 LoRA 应与 Z-Image Base 生成配套使用，以获得最佳效果。

应如何组织数据集 zip 压缩包？

上传包含图像文件（PNG/JPEG/WebP）的 `.zip` 文件。如需加入自定义说明，请添加与对应图像文件完全相同基本文件名的 `.txt` 文件。

什么是触发词，如何使用它？

触发词是添加在训练说明前面的唯一 token。在之后的生成提示词中加入该触发词，即可激活特定学习到的角色、对象或风格。

训练应使用多少步？

默认值为 1,000 步，适用于大多数数据集。你可以根据数据集大小和所需保真度，将训练步数调整为 1,000 到 10,000。

完成后会生成什么输出格式？

训练完成后，API 输出会包含一个 URL，用于下载可针对 Z-Image Base 检查点进行推理的训练完成的 LoRA 权重文件。