Z-Image Turbo LoRA 微调实战指南
Z-Image LoRA 训练 z-image-turbo 微调教程 AI 绘画模型微调训练器部署数据标注
这篇内容将带你完整走一遍 Z-Image LoRA（以 z-image-turbo 为基础）的训练流程。我不打算堆砌理论，而是按实操步骤拆解，尽量贴近日常操作和命令，让你能一步步复刻。
![训练集结构示例]
1. 概览与准备
本次实战以 z-image-turbo（俗称 Image Turbo）为底模进行 LoRA 微调，目标是训练出'角色一致性好、细节稳定、泛化能力强'的 LoRA 模型，最终在 Z-Image 工作流中跑图验证效果。
- 环境要求：有一台支持 GPU 的机器（NVIDIA），显存 12–24GB 可用；若显存 12–16GB，开启 low_vram/优化选项。
- 工具建议：训练器（本文示范使用开源工具包作者 ostrich 的 ai-toolkit 一键包），本地浏览器用于 UI 操作，Python 虚拟环境已打包。
- 数据规模：15–30 张图片（单角色 IP 推荐 15 张即可）；训练步数 2500–3000 步常用，节省时间可 2500 步试验。
2. 训练集准备（图片选择策略）
目标：保证角度、表情、服装和光线的多样性，同时维持角色一致性。
建议：
- 图片数量：15–30（演示用 15 张节省时间）
- 类型：正面、侧面、背面、45°、俯视、仰视、不同动作、近景、半身、全身
- 分辨率：建议 1024×1024 或 768×1024，根据底模和训练器要求调整
- 文件命名：
0001.jpg、0002.jpg… 与对应标签文件名一一对应（很重要）
文件夹结构示例：
/datasets/furilian/
images/
0001.jpg
0002.jpg
...
txts/
0001.txt
0002.txt
...
3. 标注（用大语言模型自动生成提示词）
![LLM 标注界面示意]
我推荐把图片拖到大语言模型（如 Claude、ChatGPT、Bard 等）会话中，让其按统一规则为每张图片生成一条训练用的提示词（txt），格式尽量简洁且包含以下信息：
- 角色代号（例如：
<lora:furilian:0.8>在最终测试时可手动添加） - 角色描述（发色、眼色、耳朵、种族/特征）
- 服装、配件
- 动作/姿态
- 画风或绘画风格（可选）
- 负面提示（可放在单独文件或统一管理）
示例（0001.txt）：
白发精灵 Furilian, long white hair, blue-green eyes, pointed ears, elf, wearing ornate blue-white robe, standing three-quarter view, soft cinematic lighting, intricate embroidery, high detail, sharp focus
操作流程（我常用的快捷法）：
- 在会话里一次性拖入所有图片（或分批）。
- 指令示例：
帮我为这些图片生成训练用的 prompt，每张输出一个 .txt 内容，格式保持简洁，包含角色特征、服装和姿势。最后把所有 txt 打包成 zip 供下载。 - 下载后解压，将 txt 放回对应 images 文件夹，保证文件名一一对应。
提示：如果训练器支持反推 prompt（很多训练器可以），可以省略这步。但为了角色一致性，我强烈建议提前生成并校对每条 prompt。
