LoRA

モデルを完全にファインチューニングするとは、数十億の数値を変えることで、高価なハードウェアが必要になり、元と同じ大きさのコピーができます。LoRA は別の道をたどります。基本モデルは凍結したまま、小さな追加の行列の集まりだけを学習します。それぞれが、一つの層に対するコンパクトな補正です。低ランクという考え方は、役に立つ変化は、その層が持つよりはるかに少ない数値で記述できる、というものです。そのため、ファイルは、基本モデルの数ギガバイトに比べて、数メガバイトから数百メガバイトに収まることが多くなります。

画像生成では、LoRA は共有しやすく、組み合わせやすいので人気があります。水彩画の雰囲気を捉えるもの、特定の製品や自分でデザインした架空のキャラクターを捉えるもの、カメラのレンズを捉えるものなどがあります。0から約1の間の強さで適用します。ほのかな効果なら低く、強い効果なら高くします。いくつかを重ねるのもうまくいくことがありますが、互いに干渉しますし、LoRA は訓練された基本モデルに結びついているので、ある系統のモデル向けに作られたものは、別の系統では正しく動きません。

言語モデルも、分野や口調に適応するために同じ技術を使い、LoRA を基本の重みの圧縮である量子化と組み合わせて、ファインチューニングを1枚のグラフィックスカードに収める効率的な訓練方法の土台にもなっています。どんな追加ファイルにも付きまとう注意を忘れないでください。中身は作者から来るので、使う前に、ライセンス、出典、訓練画像に何が入っていたかを確認し、本人の同意のない実在の人物の顔では決して訓練しないでください。具体的な場面を考えてみましょう。小さな家具工房が、カタログのすべての画像に同じ雰囲気を持たせたいとします。北向きの柔らかい自然光、淡いオーク材、落ち着いたリネンの背景です。その雰囲気を毎回のプロンプトで繰り返し説明する代わりに、作り手は自分の作品の写真を数十枚使って LoRA を訓練し、中程度の強さでオンにできます。同じ考え方は、ブランド専用のイラスト集や、一貫した架空のキャラクターにも使われます。代償は準備の丁寧さです。整理され、変化に富み、正しく説明の付いた訓練画像が必要で、追加ファイルが過学習して、スタイルを学ぶ代わりに例をそっくり写していないかを確かめる短い試用も欠かせません。ベースのモデルは変更されないので、LoRA は元に戻すことも、安く保存することもできます。多くの追加ファイルを並べて比べ、一つを削除しても、ほかには何も失われません。

NeverNo では、自分の LoRA ファイルを読み込むことはできません。スタジオが代わりに提供するのは、できあがったモデルのカタログで、初期設定は Z-Image Turbo、すべてのプランに含まれるオープンモデルです。別の雰囲気がほしいときは、手動で選びます。一つのモデルの中で違うスタイルにしたいときは、15種類のスタイルプリセットから一つ選び、1,500文字までの説明とネガティブプロンプトで磨きます。

履歴、キャラクター、メディアは当社のサーバーではなくブラウザに残るため、独自の追加ファイルを扱えば、NeverNo が引き受けていない保管と確認の問題も生じます。NeverNo の絶対的な制限は、すべてのリクエストに適用されます。未成年者に関わるものや、同意のない実在の特定できる人物の画像は扱いません。