Träna en LoRA lokalt: konsekventa AI-karaktärer på ditt eget GPU (2026)

Text-till-bild-modeller är väldigt bra på att hitta på ett ansikte och usla på att komma ihåg det. Be om samma person två gånger och du får två olika personer. En LoRA löser det: det är en liten fil som lär modellen en specifik person, så att samma karaktär kommer tillbaka varje gång du kallar på den. Den här guiden förklarar vad en LoRA egentligen är, hur du tränar en LoRA lokalt på ditt eget NVIDIA-GPU, och varför de foton du matar den med spelar mycket större roll än några träningsinställningar.

Vad en LoRA egentligen är

En basmodell som Stable Diffusion XL vet hur en person ser ut i allmänhet. Den vet inte hur din karaktär ser ut. Att träna om hela modellen för att lära den det skulle kräva enorm beräkningskraft och ge en fil på flera gigabyte.

En LoRA (Low-Rank Adaptation) tar en genväg. I stället för att skriva om modellen lär den sig en liten uppsättning justeringar som läggs ovanpå den. Resultatet är en fil på några tiotal megabyte som du laddar tillsammans med basmodellen. När du använder det triggerord du valde under träningen tillämpar modellen dessa justeringar och renderar din karaktär i stället för en främling.

Det är hela idén bakom karaktärskonsekvens: inte en bättre prompt, utan en liten tränad fil som bär identiteten åt dig.

Varför träna lokalt i stället för i molnet

Träning är steget där du lämnar ifrån dig det mest känsliga material du äger: en samling verkliga fotografier av ett verkligt ansikte. Det gör var det sker till en verklig fråga, inte en teknisk detalj.

• Fotona lämnar aldrig din maskin. En lokal LoRA-träning läser bilderna från din disk, beräknar på ditt eget GPU och skriver den färdiga filen tillbaka till din disk. Ingen uppladdning, ingen kopia som ligger på någon annans lagring, inga användarvillkor som bestämmer vad som händer med en samling ansikten.
• Ingen mätning. Molntjänster för träning tar betalt per körning, och en LoRA är sällan perfekt på första försöket. Att träna lokalt kostar dig el och tid, så du kan iterera tills likheten faktiskt är bra i stället för att ransonera dina försök.
• Filen är din. En lokalt tränad LoRA är en fil på din hårddisk. Du kan säkerhetskopiera den, återanvända den, radera den. Den lever inte i ett konto som kan stängas av eller en tjänst som kan läggas ner.

Priset är tid. En lokal körning på ett vanligt grafikkort tar ungefär 30 till 60 minuter medan den upptar ditt VRAM. Molnträning i tendre.AI tar cirka 15 till 20 minuter och lämnar din maskin fri, mot krediter i stället. Båda ger samma sorts fil. Välj lokalt när integritet och kostnad betyder mest, moln när du är borta från ditt GPU eller har bråttom.

Datasetet är hela grejen

Det här är den delen de flesta guider hoppar över, och det är den delen som avgör om din LoRA fungerar. Träningsinställningarna är i stort sett lösta standardvärden. Din bildsamling är det inte.

Tio till femton foton är det användbara spannet. Färre kan fungera, till och med en enda bild ger något, men likheten brukar bli lidande. Många fler hjälper sällan och skadar ofta, eftersom en stor mängd nästan identiska bilder lär modellen bakgrunden i stället för ansiktet.

Variation är det du egentligen matar den med. Modellen lär sig vad som förblir konstant över dina foton. Om varje bild är samma vinkel i samma rum drar den slutsatsen att rummet är en del av personen. Variera vinkeln, ljuset, avståndet, uttrycket och bakgrunden. Det som förblir identiskt genom alla är identiteten, och det är precis det du vill att den ska extrahera.

Kvalitet slår kvantitet. Skarpa, välbelysta, obehindrade ansikten. Släng de suddiga bilderna, de kraftiga filtren, bilderna där solglasögon eller en hand täcker halva ansiktet. Ett dåligt foto av tolv räcker för att dra ner resultatet.

Om verkliga foton är knappa kan du fylla på samlingen med AI-genererade bilder av samma person. Det är ett fullt legitimt sätt att nå ett användbart antal när du bara har fem eller sex riktiga bilder. Fullständiga detaljer finns i Förbered ditt bilddataset.

Så fungerar det i tendre.AI

1. Samla in samlingen. Tio till femton foton av samma person, varierade och rena.
2. Importera och namnge. Öppna en karaktär, importera fotona och välj ett triggerord. Det ordet är hur du kommer att kalla på karaktären i framtida prompter.
3. Låt appen texta. Appen taggar varje foto automatiskt med WD14-taggning, så du behöver inte skriva etiketter för hand.
4. Välj lokalt eller moln. Lokalt körs på ditt GPU och pausar genereringsmotorn för att frigöra VRAM. Moln körs på tendre.AI:s servrar och lämnar din maskin ifred.
5. Vänta, testa sedan. Generera en bild med triggerordet och bedöm likheten innan du bygger vidare på den.
6. Återanvänd den. Karaktären håller nu genom scener, stilar och upplösningar. Steg-för-steg-versionen finns i Träna en LoRA.

Vad du behöver

En Windows-dator med ett modernt NVIDIA-GPU, RTX 20-serien eller nyare, och 8 GB VRAM som ett bekvämt golv. Tolv gigabyte eller mer ger dig utrymme för högre upplösningar och tyngre arbetsflöden.

Bildgenerering på ditt eget GPU är gratis och obegränsad i tendre.AI, utan att någon licens krävs för att komma igång. Licensen lägger till konsekventa karaktärer, det vill säga en LoRA-tränad identitet som håller genom olika scener, plus molngenerering och 200 krediter för dagarna då du är borta från din maskin. Det är ett engångsköp, ingen prenumeration. Se priserna.

Var LoRA passar in bland allt annat

En LoRA är ett verktyg bland flera, och det är värt att veta när det är fel verktyg.

Använd en LoRA när du behöver samma person upprepade gånger genom många bilder: en återkommande karaktär, en varumaskot, en konsekvent modell för en serie. Den inledande träningen betalar sig genom dussintals genereringar.

Träna inte en LoRA för en engångsbild. En välskriven prompt i en bra lokal AI-bildgenerator tar dig dit snabbare. Träning är en investering i upprepning, inte en generell kvalitetshöjning.

Och en LoRA lär ut identitet, inte komposition. Den fixar inte en dålig prompt, en obekväm pose eller en trasig hand. Det hör till promptande, inpainting och uppskalning, som finns tillsammans med den i Windows-appen.

FAQ

Hur många foton behöver jag för att träna en LoRA? Tio till femton foton av samma person är det användbara spannet. Färre går fortfarande att träna på, till och med en enda bild fungerar, men likheten brukar försämras. Över tjugo vinner du sällan något, och nästan identiska bilder kan lära modellen bakgrunden i stället för ansiktet.

Hur lång tid tar lokal LoRA-träning? Ungefär 30 till 60 minuter på ett vanligt NVIDIA-GPU. Den upptar ditt VRAM medan den körs, så tendre.AI pausar genereringsmotorn under tiden. Molnträning tar cirka 15 till 20 minuter och lämnar din maskin fri.

Laddas mina foton upp när jag tränar en LoRA lokalt? Nej. Lokal träning läser bilderna från din disk, beräknar på ditt eget GPU och skriver LoRA-filen tillbaka till din disk. Ingenting laddas upp. Endast molnträning, som är valfri och körs på krediter, skickar något bort från din maskin.

Behöver jag en licens för att generera bilder lokalt? Nej. Bildgenerering på ditt eget NVIDIA-GPU är gratis och obegränsad utan licens. Licensen låser upp konsekventa karaktärer genom olika scener, molngenerering och 200 krediter.

Kan jag använda en LoRA som tränats någon annanstans? En LoRA är en standardfil, så en som tränats för samma basmodellfamilj går oftast att ladda. Att träna inuti tendre.AI sparar dig framför allt textningen, inställningarna och gissningsarbetet.

Vad är ett triggerord? Ordet du väljer under träningen för att kalla på din karaktär. Sätt det i en prompt så tillämpar modellen LoRA:n och renderar din person. Välj något distinkt som inte kolliderar med vanliga ord.