13 октября 2026 г. · Анатолий Крылов, редактор Тераферма
Как обучить нейросеть своему стилю за вечер: кейс иллюстратора с LoRA на Flux
Обучить нейросеть своему стилю можно за один вечер: иллюстратору хватило 28 своих работ, полутора часов обучения LoRA на арендованной RTX 4090 и ещё двух часов на генерацию 300 черновиков. Вся видеокарта на проект обошлась примерно в 192 ₽. Ниже — как подготовить датасет, какие настройки сработали, сколько это стоит и где были ошибки.
Это собирательный пример: героиня придумана, но шаги, время работы и цены настоящие, по тарифам Терафермы на октябрь 2026 года.
Анна работает иллюстратором на фрилансе. Рисует для детских издательств и брендов: обложки, персонажей, серии картинок для упаковки. Работает на MacBook, видеокарты NVIDIA у неё нет. Нейросети она давно пробовала в браузерных сервисах, но результат каждый раз был «чужим»: узнаваемая пластиковая картинка, которая никак не похожа на её руку.
Осенью пришёл заказ, который всё изменил: издательству нужна серия из 60 иллюстраций к энциклопедии для детей, срок — три недели. В её обычном темпе это два месяца. Отказываться не хотелось, рисовать на скорость — тоже.
Задача: не «нейросеть рисует за меня», а «нейросеть рисует как я»
Анна сформулировала требования так:
- картинки должны быть в её стиле: тот же штрих, палитра, пропорции персонажей;
- она должна контролировать композицию: нейросеть делает черновики и варианты, финал она дорабатывает сама;
- никаких чужих стилей и узнаваемых работ других художников, это вопрос и этики, и договора с издательством.
Решение для такой задачи давно известно: дообучить модель на собственных работах с помощью LoRA. Это небольшой «довесок» к большой модели (обычно 50–200 МБ), который учит её конкретному стилю, не переучивая всю сеть целиком.
Проблема одна: для обучения LoRA на современной модели Flux нужна видеокарта с 24 ГБ памяти. Купить RTX 4090 ради одного проекта стоит около 200 тысяч рублей, арендовать — несколько сотен.
Шаг 1. Подготовить датасет (дома, бесплатно)
Самой важной частью работы оказалось не обучение, а подборка картинок. Анна потратила на неё вечер:
- Отобрала 28 своих работ в одном стиле, без старых, без экспериментов в другой манере.
- Сделала их разными по сюжету: персонажи крупно и издалека, интерьеры, природа, предметы. Если все картинки про котов, модель решит, что коты и есть стиль.
- Привела к квадрату около 1024×1024 пикселей, обрезав по смыслу, а не по центру.
- Для каждой написала короткую подпись: что изображено, без слов про стиль. Например: «девочка в жёлтом плаще держит фонарик, ночной лес». Стиль модель должна выучить сама, описывать его словами не нужно.
В конце получился архив на 40 МБ: 28 картинок и 28 текстовых файлов с подписями.
Шаг 2. Арендовать видеокарту
В каталоге Терафермы Анна выбрала RTX 4090 с 24 ГБ видеопамяти. По ценам на октябрь 2026 года она стоит около 48 ₽ в час, оплата поминутная. RTX 3090 дешевле (около 26 ₽), но обучает примерно вдвое медленнее, поэтому по итоговой сумме выходит почти так же, а ждать дольше.
Шаблон: PyTorch + Jupyter. Через 2–5 минут в кабинете появилась кнопка «Открыть Jupyter»: в браузере открылась рабочая среда с терминалом и папкой /workspace.
Шаг 3. Обучить LoRA (≈ 1,5 часа)
Анна не программист, поэтому взяла готовый инструмент для обучения: ai-toolkit или kohya_ss (оба бесплатные, у обоих есть пошаговые инструкции под Flux). Порядок действий:
- Загрузила архив с датасетом в
/workspaceчерез кнопку Upload в Jupyter. - В терминале установила инструмент одной-двумя командами из его инструкции.
- Указала в конфиге: базовая модель — Flux, папка с картинками, 2000 шагов обучения, сохранять промежуточный результат каждые 500 шагов, разрешение 1024.
- Запустила обучение и ушла ужинать.
На RTX 4090 обучение заняло около 80 минут. Промежуточные сохранения пригодились: Анна сравнила результат на 1000, 1500 и 2000 шагах. Лучшим оказался вариант на 1500, потому что на 2000 модель начала слишком буквально копировать композиции из обучающих картинок. Это частая история: «пережаренная» LoRA повторяет датасет вместо того, чтобы рисовать новое.
Шаг 4. Генерация серии (≈ 2 часа)
Дальше — самое приятное. Анна подключила полученную LoRA в ComfyUI и начала генерировать черновики для энциклопедии:
- для каждой из 60 иллюстраций — по 4–6 вариантов композиции;
- одна картинка 1024×1024 на RTX 4090 генерируется за 10–20 секунд;
- за два часа набралось около 300 черновиков.
Из каждой пачки она выбирала лучший вариант и дорабатывала руками в своём редакторе: поправляла руки персонажей, детали, текст на предметах, цвет под общую палитру книги. Нейросеть сэкономила самое долгое: поиск композиции и базовую отрисовку, а авторская работа осталась за ней.
Сколько это стоило
| Этап | Время на RTX 4090 | Стоимость (≈ 48 ₽/ч) |
|---|---|---|
| Установка инструмента, загрузка датасета | 20 минут | ≈ 16 ₽ |
| Обучение LoRA, 2000 шагов | 80 минут | ≈ 64 ₽ |
| Проверка промежуточных версий | 20 минут | ≈ 16 ₽ |
| Генерация 300 черновиков | 2 часа | ≈ 96 ₽ |
| Итого | ≈ 4 часа | ≈ 192 ₽ |
Для сравнения: своя RTX 4090 стоит около 200 000 ₽ плюс новый компьютер под неё. Даже если делать такую серию каждый месяц, аренда выходит дешевле на годы вперёд.
При поминутной оплате главное не забывать останавливать сервер. Анна работала двумя сессиями по вечерам и каждый раз нажимала «Остановить», когда уходила. Пока сервер стоит, деньги не списываются, но и данные с него удаляются, поэтому перед остановкой она скачивала файл LoRA и лучшие картинки к себе.
Настройки обучения, которые сработали
Анна не подбирала параметры с нуля, а взяла рекомендуемые значения инструмента и поменяла только то, что влияло на результат.
| Параметр | Значение | Зачем |
|---|---|---|
| Базовая модель | Flux | лучше держит композицию и руки, чем SDXL |
| Число картинок | 28 | разные сюжеты в одном стиле |
| Шаги обучения | 2000, лучший результат — 1500 | после 1500 модель начала копировать датасет |
| Ранг LoRA | 16 | файл около 100 МБ, стиль передаётся без перегрузки |
| Разрешение | 1024 | под формат книжной иллюстрации |
| Подписи | только сюжет, без слов о стиле | стиль модель выучивает сама |
| Слово-триггер | уникальное, например annastyle |
чтобы включать стиль явно в промпте |
Слово-триггер оказалось полезнее, чем казалось. Без него стиль «включался» всегда, и для служебных картинок (схем, предметов на белом фоне) это мешало. С триггером Анна сама решала, где нужен её стиль, а где нейтральная отрисовка.
Сколько видеопамяти нужно и какую карту брать
Обучение LoRA на Flux остаётся самым требовательным шагом. С оптимизациями (базовая модель в 8 битах, gradient checkpointing) оно занимает 18–23 ГБ видеопамяти, поэтому нужна карта с 24 ГБ. Генерация с готовой LoRA легче — 14–17 ГБ при модели в FP8.
| Карта | Память | Обучение 2000 шагов | Стоимость обучения |
|---|---|---|---|
| RTX 3090 | 24 ГБ | около 2,5 часа | ≈ 65 ₽ |
| RTX 4090 | 24 ГБ | около 80 минут | ≈ 64 ₽ |
| RTX 5090 | 32 ГБ | около часа | ≈ 83 ₽ |
Время указано ориентировочно и зависит от инструмента и настроек. На картах с 16 ГБ обучение LoRA на Flux возможно только с сильными компромиссами по разрешению и скорости, поэтому для первого раза их лучше не брать. Как запустить саму модель Flux на арендованной карте, описано на странице запуска Flux.
Что пошло не так (и как Анна это решила)
Первая попытка дала «мыло». Половина картинок в датасете была в маленьком разрешении, и модель выучила размытость как часть стиля. Решение: заменить слабые картинки на оригиналы в высоком качестве.
Модель путала стиль и сюжет. В исходной подборке было много лис, и лисы начали появляться везде. Анна добавила в датасет работы с людьми и предметами, и проблема ушла.
Забытый сервер. Однажды она закрыла ноутбук, не остановив машину, и заметила это утром: ушло несколько сотен рублей. Теперь кабинет Терафермы присылает напоминание, если сервер простаивает больше двух часов.
Второй проект дешевле первого
Обученная LoRA — это файл, который остаётся у иллюстратора. Когда через месяц пришёл заказ на серию стикеров для бренда, Анне не пришлось обучать модель заново: она загрузила LoRA на новый сервер и сразу перешла к генерации.
| Этап | Первый проект | Второй проект |
|---|---|---|
| Подготовка датасета | вечер, без сервера | не нужна |
| Обучение LoRA | 80 минут + проверка версий | не нужно |
| Установка и загрузка файлов | 20 минут | 20 минут |
| Генерация черновиков | 2 часа | 2 часа |
| Видеокарта | ≈ 192 ₽ | ≈ 112 ₽ |
Переобучать LoRA стоит, только когда меняется сам стиль: новая палитра, другая техника, другой тип персонажей. Тогда в датасет добавляются свежие работы, а старые, которые уже не похожи на текущую манеру, убираются.
Чек-лист перед запуском сервера
- Датасет собран, картинки 1024×1024, подписи без слов о стиле.
- Выбран инструмент обучения и прочитана его инструкция под Flux.
- Конфиг подготовлен заранее: шаги, ранг, разрешение, частота сохранения.
- Список из 10–15 тестовых промптов для проверки промежуточных версий.
- Баланс пополнен с запасом на 4–5 часов работы карты.
- Понятно, куда скачивать LoRA и картинки перед остановкой сервера.
Всё, что в этом списке можно сделать без видеокарты, делайте без неё. Сервер включается последним шагом, когда остаётся только нажать «запустить обучение».
Кому подойдёт такой подход
- Иллюстраторам и художникам, которым нужны серии в едином стиле: книги, упаковка, мерч, стикерпаки.
- Студиям и агентствам с фирменным стилем бренда — LoRA на брендбуке ускоряет производство визуала для соцсетей.
- Гейм-дизайнерам — концепты персонажей и предметов в стилистике проекта.
Не подойдёт, если нужен стиль конкретного известного художника без его согласия: это и неэтично, и нарушает условия большинства заказов.
Анна сдала 60 иллюстраций за две с половиной недели вместо двух месяцев. Нейросеть сделала черновики и варианты, финальная авторская доработка осталась за ней, поэтому заказчик получил её стиль, а не «картинку из нейросети». Видеокарта на проект обошлась дешевле одного обеда.
Чтобы повторить: зарегистрируйтесь, пополните баланс, выберите в каталоге RTX 4090 или RTX 3090 и запустите шаблон PyTorch. Если не знаете, сколько видеопамяти нужно под вашу модель, загляните в VRAM-калькулятор, а про сам ComfyUI на арендованной карте есть отдельная статья.