3SELLER Journal 3SELLER →

LoRA что это в нейросети: файл на 20 МБ, который за вечер учит модель твоему лицу

23.11.2026

Скачиваешь Stable Diffusion, вбиваешь промпт, получаешь красивые картинки. А потом просишь нарисовать себя и видишь незнакомого мужика с твоей бородой. Ровно для этого придумали LoRA.

Я обучал LoRA на персонажей, на стили, на конкретную одежду и на почерк бренда. Часть грабель собрал лично, часть подсмотрел у коллег. Ниже - только то, что проверено на своих проектах.

LoRA не нейросеть, а заплатка к ней

Low-Rank Adaptation - так метод называется по-английски. Его представили в Microsoft в 2021 году, первый автор - Эдвард Ху. Идея простая до смешного: веса большой модели не трогаем, они заморожены. Рядом с нужными слоями обучаем две маленькие матрицы. Их произведение и есть низкоранговое обновление, которое прибавляется к замороженным весам. Градиенты получает ничтожная доля параметров, остальное стоит на месте.

Полная тонкая настройка GPT-3 на 175 миллиардов параметров - это ферма видеокарт и счет за электричество. LoRA сократила число обучаемых параметров в 10 000 раз, а память GPU под обучение в 3 раза. На RoBERTa, DeBERTa, GPT-2 и GPT-3 качество не упало, местами вышло лучше полной тонкой настройки.

Эти цифры и объясняют бум. LoRA обучается на одной потребительской карте за вечер. Файл на выходе весит десятки или сотни мегабайт, а не гигабайты. Хранить, пересылать, подключать и отключать такое добро можно пачками.

Аналогия, которая снимает 90% вопросов

Базовая модель - это операционная система на компьютере. Чекпоинт - сама сборка Windows или macOS: огромная, менять ее целиком больно и долго. LoRA - плагин или расширение. Поставил, появилась новая функция. Убрал, система работает как раньше, ничего не сломалось.

Поэтому люди держат на диске десяток LoRA и включают нужную под задачу. Сегодня рисуем акварелью, завтра фотографируем вымышленного персонажа, послезавтра нужен конкретный свет и объектив. Переключение занимает секунды, переобучение с нуля - ночь.

Тут начинается путаница: LoRA бывает разная

В разговорах про нейросети слово LoRA означает две вещи, и их постоянно смешивают.

Первая - метод дообучения больших языковых моделей и вообще любых крупных сетей. Здесь LoRA про адаптацию LLM к узкой задаче: медицинским протоколам, юридическим формулировкам, корпоративному стилю письма.

Вторая - конкретные файлы для Stable Diffusion и SDXL. Маленькие модели, которые добавляют в генерацию то, чего нет в базе: авторские стили, лица, одежду, эффекты. Когда в чате спрашивают, что такое LoRA в нейросети, чаще всего имеют в виду именно вторые.

И третье, чтобы закрыть тему. LoRa с маленькой «a» на конце - протокол дальней радиосвязи для IoT. К нейросетям отношения не имеет, просто совпало название. Если гуглишь и попадаешь на датчики и антенны, ты не туда свернул.

Как это работает в Stable Diffusion

Полезно различать три уровня с первого дня.

Базовая модель - исходная сеть с общими знаниями: люди, животные, предметы, типовые стили.

Чекпоинт - пересобранная версия базы, куда авторы добавили свои изображения, стили и токены. Весит несколько гигабайт и подменяет базу целиком.

LoRA - маленькая надстройка. Ее подключают к чекпоинту, и она приносит то, чего в базе нет: конкретное лицо, конкретного художника, конкретную куртку.

В интерфейсе обычно есть поле веса, от 0 до 1 с небольшим. Ставишь 1, LoRA работает в полную силу и часто пережигает картинку. Ставишь 0.6-0.8, получаешь баланс между своим стилем и свободой модели. На Reddit в ветках по Stable Diffusion этот нюанс обсуждают чаще всего: новичок ставит единицу, получает пластиковую кожу и решает, что модель плохая. Я почти всегда начинаю с 0.7 и кручу дальше по ситуации.

Еще нужен триггер - слово или фраза, которой LoRA привязана к своему содержимому. Забыл вписать его в промпт, получил обычную генерацию и полчаса недоумения, почему ничего не изменилось. Классическая ошибка, через которую проходят все.

Что такое ранг и почему он низкий

Внутри LoRA обучаются две матрицы, условно A и B. Их внутренняя размерность и есть ранг, обычно от 4 до 64. Чем выше ранг, тем больше деталей выучит модель. И тем выше шанс, что она заучит датасет вместе с фоном и шумом.

Для стиля часто хватает ранга 8-16. Для лица человека, где важны мелкие черты, берут 16-32. Ранг 64 и выше нужен редко, чаще это просто способ потратить время и получить переобучение.

Рядом живет параметр alpha, который задает силу обновления. Если коротко: alpha делится на ранг, получается коэффициент вмешательства LoRA в базовую модель. Авторы указывают готовые значения в описании, и лезть туда без причины не стоит.

Что реально можно делать с помощью LoRA

Персонаж. Даешь сети 15-20 своих фотографий, и она запоминает именно твое лицо. Дальше ты в разных стилях, позах и сценах. Идеально не бывает, руки и мелкие детали иногда плывут, но сходство держится уверенно.

Стиль. Понравилась манера конкретного художника или вид фотографии на пленку - собираешь датасет и получаешь узнаваемую эстетику на любом сюжете.

Предмет или одежда. Обучил на кроссовках своей марки и генерируешь их в любой локации без фотосессии. Для товарного контента это экономит дни работы и деньги на фотографе.

Починка косяков. Есть LoRA, которые лечат лишние пальцы, кривые руки, странную анатомию. Есть те, что меняют освещение, длину волос, телосложение, детализацию кожи. Звучит как мелочь, а на деле убирает половину перегенераций.

Отдельно про вес и хранение. Одна LoRA под SD 1.5 занимает 20-150 МБ. Это спокойно уезжает в облако, в архив, в переписку с подрядчиком. С чекпоинтом такой фокус не пройдет, там гигабайты.

Обучение на своих фото: где люди ломаются

Миф первый: чем больше фото, тем лучше. На практике 15-25 качественных снимков дают результат лучше, чем 200 случайных. Сеть учится на том, что видит, включая мусор, размытие и лишние детали фона.

Миф второй: можно набрать фото из соцсетей, и все получится. Если на снимках разное освещение, ракурсы и обработка, модель путается, что именно ей запоминать. Лучше 15 фото в одном свете и с похожих ракурсов, чем 60 разношерстных.

Третий момент, который редко упоминают. Переобучение приходит тихо. Модель начинает выдавать почти копию исходных фотографий и отказывается ставить персонажа в новые сцены. Лечится меньшим числом шагов обучения и более низким весом при генерации.

Ориентир по настройкам: learning rate порядка 1e-4, несколько сотен или тысяч шагов в зависимости от размера датасета, проверка промежуточных чекпоинтов каждые 200-300 шагов. Качество датасета решает больше, чем эти цифры. Кроп под лицо, чистый фон, отсутствие чужих людей в кадре. Скучно, зато работает.

Где брать готовые LoRA и на что смотреть

Основная свалка - civitai.com. Там тысячи моделей под SD 1.5 и SDXL: персонажи, стили, одежда, эффекты. Плюс тематические форумы вроде Yes Ai, где разбирают конкретные сборки и делятся промптами.

Смотреть надо на три вещи. Под какую базовую модель сделана LoRA: файл под 1.5 не заработает на SDXL, и это отдельная боль. Какие триггеры указаны в описании. И какие примеры генераций выложил автор, а не только обложка.

Про права лучше подумать заранее. LoRA на реального человека, особенно публичного, без согласия - разговор не про технику, а про закон и репутацию. Обучать на своем лице и на своем товаре безопасно, на чужом нет.

LoRA, промпт или полное дообучение

Выбор простой, если понимать, чего ты хочешь.

Разовая задача, десять картинок под пост. Хватит промпта и нормальной модели, обучать ничего не надо.

Повторяемый результат с конкретным лицом, стилем или товаром, десятки и сотни генераций. Тут LoRA окупается за один проект.

Своя предметная область, закрытые данные, строгие регламенты. Иногда нужна полноценная тонкая настройка. Но в 8 случаях из 10 хорошая LoRA плюс база знаний решают ту же задачу дешевле.

LoRA уже не только про картинки

Метод вырос далеко за пределы Stable Diffusion. Его применяют к большим языковым моделям, к диффузионным моделям видео, к визуальным трансформерам. Ограничение по железу перестало быть приговором: адаптировать флагманскую сеть под свою задачу можно на скромной карте.

Для бизнеса это означает простую вещь. Не нужно переучивать модель с нуля, чтобы она говорила твоим голосом. Достаточно собрать аккуратный датасет и обучить небольшую надстройку. Поддержка с ответами строго по регламенту, коммерческие предложения в стиле компании, разбор заявок по внутренней классификации. Все упирается в данные и аккуратность датасета, а не в железо.

Для большинства задач малого и среднего бизнеса полное дообучение не нужно. Хватает хорошего промпта, базы знаний и правильно подобранной модели. LoRA включается там, где нужен устойчивый повторяемый результат и свой узнаваемый стиль.

Как попробовать все это без своей видеокарты

Главный стоп-фактор: нужна нормальная GPU. Не у всех есть RTX с достаточной памятью, а аренда зарубежных сервисов упирается в оплату и доступ.

Тут выручает ИИ роутер 3GPT от 3SELLER. Это доступ ко всем флагманским нейросетям из России, без иностранных карт. Старт от 149₽. Внутри Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений, генерация видео и много всего еще. Пополнить баланс можно российской картой, через СБП или криптой.

3GPT доступ к нейросетям из России

Для повседневных задач в бизнесе и работе этого хватает с головой. Продающие тексты, сайты, картинки под статьи, видео для соцсетей. Я гоняю через него черновики и визуал, когда лень поднимать локальный зоопарк моделей.

Отдельная фишка - готовые ИИ агенты под конкретные задачи. Выбираешь агента и начинаешь с ним общение, а модель внутри можно менять прямо в чате. Удобно, когда нужен не абстрактный чат, а исполнитель под процесс.

Готовые ИИ агенты 3GPT

Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT: https://3seller.com/3gpt. Агенты лежат здесь: https://3seller.com/ai/agents.

Если нужны именно реалистичные изображения, есть отдельный вход: https://3seller.com/3gpt-image.

Генерация реалистичных изображений Примеры изображений из 3GPT

Пять грабель, на которые я наступал

Каждый пункт выглядит банально, пока не потратишь на него вечер. Зато после первого десятка прогонов начинаешь чувствовать датасет руками: где перебор, где модель недотягивает, где нужен другой чекпоинт.

Что делать прямо сейчас

Если хочется разобраться на практике, начни не с обучения, а с готовых LoRA. Скачай пару файлов под свою базовую модель, подключи, поиграй с весом и триггерами. Почувствуешь, как это устроено, за один вечер.

Когда придет понимание, собирай датасет на 15-20 своих фото и пробуй обучить первую. Дальше пойдет быстрее: 80% результата дает подготовка данных, а не настройки в интерфейсе.

А если локального железа нет или не хочется возиться с установкой, начни с доступа к моделям через 3GPT. Там текст, картинки, видео и агенты под задачи, оплата российской картой, СБП или криптой. Для проверки гипотез перед тем, как вкладываться в свое обучение, самое то.

← Вернуться к блогу

Читать дальше