快讯6 条
快讯3 条 · 可滚动
本站于 2026-10-19 补核;官方发布日期为 2026-10-17。

出处:DeepSeek 官方文档 · 更新日志官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-14。

出处:xAI · API Release Notes官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-13。

出处:Gemini API · Release notes官方

开源项目解析

kohya sd-scripts

训练脚本集:覆盖 SD1.x/2.x、SDXL、SD3/3.5、FLUX.1;2026-10-18 的 v0.12.1 新增 MOSS-Image LoRA 支持。

图片 LoRA 的事实标准参数命名一脉相承
Apache-2.0 可商用★ 7.2k 157 星/月最后更新 2026-10-18 · 距核验日 0 个月仓库 ↗

读懂层

2 张 · 架构图 / 时序图

架构图代码结构

训练逻辑层

底层

结构层

strategy_base.py
策略接口

train_util.py
历史接口转发

model_io.py
模型读写 · 哈希 · 元数据

config_util.py
数据集配置蓝图

accelerator_setup.py
硬件与精度初始化

dataset.py
分桶

loss.py
噪声调度与损失

optimizer.py
优化器与学习率

checkpoint_io.py
存档轮换与命名

DeepWiki 架构页 · 抓取 2026-08-16 · 核验 2026-08-16

时序图LoRA 到底把什么挂上去了
原来的 nn.LinearLoRAModuleLoRANetworktrain_network.py输出 = 原层(x) + up(down(x)) × scalecreate_network()为每个目标层建 lora_down / lora_upapply_to()替换掉原来的 forward

DeepWiki 架构页 · 抓取 2026-08-16 · 核验 2026-08-16

它管哪几个决定

角色跨镜头一致角色参考 · 多参考 · LoRA
7/10 家有官方说法
画面构图线稿 / 姿势 / 深度约束

自持能力

权重在不在本地可下载到本地
种子能不能填可填
换掉它要动几处几处

产出的 LoRA 是你自己的权重文件,谁也收不回去

动手层

文档代码结构 未做踩过的坑实测 未做

装它要过哪几关

  1. 1克隆 + 虚拟环境PyTorch 2.6.0 起步
  2. 2accelerate config这一步必须做,要按仓库给的答案选 CUDA 与 fp16/bf16
  3. 3准备数据集训 LoRA 的成败大半在数据集,不在参数

改哪个文件能改什么

训练脚本选型LoRA / DreamBooth / 原生微调 / 文本反演 —— 目标不同脚本不同,别都用 LoRA 硬套
底模SD1.5 / SDXL / SD3.5 / FLUX 各有对应脚本与参数

坑在哪一处

带 issue 编号的来自:github issues 按回复数排序 · 核验 2026-08-16

v0.12.1 调度器参数当前 README 说明自定义学习率调度器现在收到实际 num_training_steps 与 num_warmup_steps;旧配置的行为应重新核对。
最低显存仓库不给这个数字。 这一格是空的,只能自己试 —— 与推理侧那些明写门槛的项目不是一个成熟度
训练 vs 推理本专项六个项目的训练侧 issue 都比推理侧多且久悬。推理门槛低不代表微调门槛低,这是通例不是个例

教程

没找到官方口径的教程 —— 官方只给了 README。

项目自述

以下是仓库 README 的开头部分(原文引用,抓取 2026-08-17)。读全文 ↗

sd-scripts

English / 日本語

Table of Contents

Click to expand

- Introduction
    - Supported Models
    - Features
    - Sponsors
    - Support the Project
- Documentation
    - Training Documentation (English and Japanese)
    - Other Documentation (English and Japanese)
- For Developers Using AI Coding Agents
- Windows Installation
    - Windows Required Dependencies
    - Installation Steps
    - About requirements.txt and PyTorch
    - xformers installation (optional)
- Linux/WSL2 Installation
    - DeepSpeed installation (experimental, Linux or WSL2 only)
- Upgrade
    - Upgrade PyTorch
- Credits
- License

Introduction

This repository contains training, generation and utility scripts for Stable Diffusion and other image generation models.

Sponsors

We are grateful to the following companies for their generous sponsorship:

Support the Project

If you find this project helpful, please consider supporting its development via GitHub Sponsors. Your support is greatly appreciated!

Change History

- Version 0.12.1 (2026-10-18):
    - Added support for LoRA training of MOSS-Image (OpenMOSS), a 5B DiT with the Qwen3.5-9B text encoder and the FLUX.2 VAE. PR #2458, PR #2459, PR #2460, PR #2461
        - moss_image_train_network.py trains LoRA (and LoHa / LoKr) for the DiT and optionally for the text encoder. The official diffusers-format shards and the ComfyUI single-file checkpoints can be loaded. For details, please refer to the documentation.
        - ConvRot INT8 quantization of the base weights (--convrot_int8 for the DiT, --convrot_int8_text_encoder for the text encoder, ported from Musubi Tuner) is available as an alternative to fp8. The ComfyUI pre-quantized *_int8_convrot.safetensors files are detected automatically. The fused int8 kernels require triton (triton-windows on Windows).
        - The DiT LoRA can be used in ComfyUI without conversion. moss_image_minimal_inference.py is also available for inference with LoRA.
        - tools/cache_latents.py and tools/cache_text_encoder_outputs.py support MOSS-Image with --moss_image.
        - The LoRA module is the new generic networks.lora_generic (regex-based module selection, network_reg_dims / network_reg_lrs, the same as networks.lora_anima). It is expected to be the base for other architectures in the future.
    - Added enable_multiline_caption subset option (--enable_multiline_caption) to use captions containing line breaks as they are, for models with LLM-based text encoders (Anima, Lumina, HunyuanImage, etc.).
        - Lines starting with multiline_caption_separator (default ---===---) separate multiple caption candidates for one image, and one candidate is chosen randomly at each step. In metadata files for fine tuning, caption can also be a list of strings. For details, please refer to the dataset config documentation.
        - In .txt sample prompt files, \n (backslash + n) is now converted to a line break.
        - Fixed caption_prefix / caption_suffix being added only to the first / last line of multi-line captions (with enable_wildcard, the prefix was attached only to the first line and the suffix only to the last line; without it, the suffix was lost).
    - Fixed c

……(后略,见原文)

判断

优势

  • 训出来的 LoRA 是一个属于你的权重文件 —— 本专项唯一能产出「自有资产」的项目
  • 2026-10-18 发布 v0.12.1,新增模型训练支持并修正学习率调度参数。
  • 一套脚本覆盖 SD1.5 到 FLUX,换底模不换工具链

局限

  • 仓库不给最低显存 —— 能不能训得看你自己试
  • v0.12.1 调整自定义学习率调度器收到的训练与预热步数,升级后应核对自己的训练配置。
  • 训练这条路的坑普遍比推理多(本专项六个项目的训练侧 issue 都久悬)

不适用

只做几条片子的人 —— 训一个 LoRA 的时间够生成几十条视频了。

同管这些决定的其它项目

ComfyUI节点式工作流底座。图像 / 视频 / 音频 / 3D / 文本共用一个底座。…MiniMax H3全模态生成:文字、图片、视频、音频进同一个 Transformer,出带 32kHz…ControlNet给扩散模型加条件控制。九种结构信号:Canny 边缘、直线、HED 边界、涂鸦、人体…IP-Adapter用图片当提示词,锁住风格或人物。仅 22M 参数。…InstantID一张脸照做身份保持生成,零样本、免调优。…musubi-tuner视频模型的 LoRA 训练器。同一套代码训 Wan 2.1/2.2、HunyuanV…DiffSynth-Studio魔搭扩散模型工程框架,覆盖图像、视频、音乐推理与训练;近期加入 FLUX.3、MOS…火宝短剧基于 AI 的一站式短剧生成平台,从剧本到成片全自动化。…ToonflowAI 创作平台:无限画布、AI Agent、可视化工作流,支持图像、视频、分镜和短剧…infinite-canvas面向 AI 创作的无限画布工作台:生图、参考图编辑、视频生成、Agent 助手、画布…open-ai-canvas面向 AI 影视创作的无限画布:多模态生成、分镜编排、素材管理、Agent 工作流。…VOZEB PRO把统一创作 Agent、画布、短剧生产线、素材库和商业运营后台放进同一套 Next.…OpenMontage让 Agent 编排视频生产:通过声明式流水线组织素材、生成、字幕、音频与合成。…Generative Media Skills给 Agent(Claude Code / Cursor / Gemini CLI)…motion-skills动效技能索引:55 个技能分成 18 个安装包,覆盖短视频、数据动画、网页动效、3D…ComfyUI-ManagerComfyUI 的节点管理器:装节点、装模型、修依赖、查注册表。ComfyUI 生态…ComfyUI-WanVideoWrapper把 Wan 系列模型接进 ComfyUI 的节点包。社区里跑 Wan 的事实标准封装…ComfyUI 官方工作流模板ComfyUI 内置的那批官方工作流模板与子图蓝图的真身仓库。…waoowaoo把一部小说灌进去,自动拆角色、拆场景、出分镜,再合成整集短剧。中英双界面。…JellyfishAI 短剧的端到端工作台:从剧本进,到分镜、角色一致性管理、出片、导出。…魔因漫创桌面端 AI 影视工具(Electron):剧本 → 角色 → 场景 → 导演 → …BigBanana AI Director一站式 AI 短剧 / 漫剧工作台,四阶段:剧本 → 视觉资产 → 分镜制作 → 导…ClipForge带货短视频专用的一站式工具:上传商品图,自动提炼卖点、写种草脚本、配音配字幕加背景乐…Open AI UGC生成 UGC 风格的口播广告:用多个视频模型出真人感的 AI 演员念你的脚本。定位是…LiveTalking实时交互流式数字人引擎,音视频同步对话。支持 ernerf、musetalk、wav…Drama Skills面向编剧与漫剧工作室的短剧创作流水线:十个技能把一个点子或一部长篇材料,一路做成分集…AI Shortfilm Prompts一个 Claude Code 技能:把任意一个想法变成电影语言的、模型直接能用的视频…Awesome Seedance 2 Prompts整理好的 Seedance 2.0 视频提示词库,README 自述逾六千条,覆盖电…歸藏的提示词库中文 AI 圈里流传最广的个人提示词仓库之一,存放作者为各家模型撰写的提示词。…MidJourney 风格与关键词参考一份带示例图的风格与关键词对照表:同一个提示词加不同风格词,画面变成什么样,逐个列出…AI Visual Prompt Cookbook171 套结构化提示词风格、342 张预览;JSON 模板支持 v2.1 / v2.…

github README · 核验 2026-10-19 | 判断栏可报错。