LoRA

Fazer o ajuste fino completo de um modelo significa alterar bilhões de números, o que exige hardware caro e gera uma cópia tão grande quanto o original. Um LoRA segue outro caminho. Ele congela o modelo base e aprende apenas um pequeno conjunto de matrizes extras, cada uma uma correção compacta de uma camada. A ideia do baixo posto é que a mudança útil pode ser descrita com muito menos números do que a camada contém. Por isso o arquivo costuma ter de alguns megabytes a algumas centenas, contra vários gigabytes do modelo base.

Na geração de imagens, os LoRAs são populares porque são fáceis de compartilhar e de combinar. Um pode captar um visual de aquarela, outro um produto específico ou um personagem fictício que você criou, outro uma lente fotográfica. Aplica-se com uma intensidade entre zero e cerca de um: baixa para um toque, alta para um efeito forte. Empilhar vários pode funcionar, mas eles interferem entre si, e um LoRA está preso ao modelo base com que foi treinado: o de uma família de modelos não funcionará bem em outra.

Modelos de linguagem usam a mesma técnica para se adaptar a um domínio ou a um tom, e ela também sustenta métodos de treinamento eficientes que combinam um LoRA com a quantização, a compressão dos pesos do modelo base, para que o ajuste fino caiba numa única placa de vídeo. Tenha o cuidado que vale para qualquer extensão: o conteúdo vem do autor, então confira a licença, a fonte e o que havia nas imagens de treinamento antes de usar, e nunca treine com o rosto de uma pessoa real sem o consentimento dela.

Um cenário concreto ajuda. Um pequeno fabricante de móveis quer que cada imagem do catálogo tenha o mesmo visual: luz do dia suave vinda do norte, carvalho claro, fundo de linho discreto. Em vez de descrever esse visual de novo em cada prompt, um criador pode treinar um LoRA com algumas dezenas de fotos das próprias peças e ativá-lo com intensidade moderada. A mesma ideia serve a kits de ilustração de marca e a personagens fictícios coerentes. O custo é o cuidado no preparo: imagens de treinamento organizadas, variadas e bem legendadas, e um teste curto para ver se a extensão memoriza demais e só copia os exemplos em vez de aprender o estilo.

Um LoRA também é reversível e barato de guardar: como o modelo base nunca é alterado, dá para manter várias extensões lado a lado, compará-las e apagar uma sem perder mais nada.

O NeverNo não permite carregar seus próprios arquivos LoRA. O Studio oferece, em vez disso, um catálogo de modelos de imagem prontos, com o Z-Image Turbo como padrão, um modelo aberto incluído em todos os planos, e você escolhe um à mão para outro visual. Para mudar de estilo dentro de um modelo, você escolhe um dos quinze estilos predefinidos e refina com o prompt de até 1.500 caracteres e o prompt negativo.

Como seu histórico, seus personagens e suas mídias ficam no seu navegador e não em nossos servidores, uma extensão personalizada também levantaria questões de armazenamento e de verificação que o NeverNo não assumiu. Os limites firmes do NeverNo valem para cada solicitação: nada que envolva menores, e nenhuma imagem de pessoas reais identificáveis sem o consentimento delas.