Stable Diffusion LoRA 作り方 手順：2026年最新ガイドと実践

2026年におけるStable Diffusion LoRA作成環境の現状と進化

2026年5月時点において、Stable Diffusion (SD) のLoRA (Low-Rank Adaptation) 作成環境は、AIモデルの進化とハードウェア性能の向上に伴い、より手軽かつ高品質な生成が可能となっています。特に、SDXL (Stable Diffusion XL) や、より新しいSD3 (Stable Diffusion 3) ベースのモデルが主流となり、これらに対応したLoRAの作成が一般的です。学習ツールはKohya's GUIが引き続きデファクトスタンダードとして利用され、その機能は高度化しています。

ハードウェア面では、LoRA学習には高性能なGPUが必須です。特にSDXLやSD3のような大規模モデルの学習には、GPUメモリが最低12GB、推奨16GB以上のNVIDIA製GPU（GeForce RTX 4080 SuperやRTX 4090など）が求められます。クラウドサービスを利用する場合でも、同様のスペックを持つインスタンスを選ぶことが効率的な学習には不可欠です。

💡 ポイント: ローカル環境での学習は初期設定の手間がかかりますが、長期的に見ればコスト効率が高く、自由度も大きいです。クラウドサービスは初期投資を抑えたい場合や、一時的に高性能な環境が必要な場合に適しています。

LoRA学習用データセットの準備手順

LoRAの品質は、学習に用いるデータセットの質と量に大きく左右されます。以下のステップで効率的にデータセットを準備します。

1. 高品質な画像の選定と収集

まず、学習させたいコンセプト（キャラクター、スタイル、オブジェクトなど）を明確にし、関連する画像を収集します。

1. 画像の選定基準:

   • 一貫性: キャラクターであれば、様々な角度や表情、服装の画像を集めますが、そのキャラクターの特徴が明確に捉えられているものを選びます。
   • 多様性: ポーズ、背景、光の当たり方など、バリエーション豊かな画像を含めることで、LoRAの汎用性が高まります。
   • 品質: 解像度が高く、ノイズが少なく、被写体がはっきりと写っている画像を選びます。推奨解像度は1024x1024ピクセル以上です。

2. 枚数:

   • 1コンセプトあたり10〜30枚が目安です。数が少なすぎると過学習しやすく、多すぎると学習が非効率になることがあります。

⚠️ 注意: 著作権や肖像権を侵害する画像の利用は避けてください。自身で作成した画像や、利用許諾のある画像のみを使用することが重要です。

2. 画像のリサイズとトリミング

収集した画像は、学習に適したサイズに統一します。

1. アスペクト比の統一: 多くのSDモデルは正方形の画像で学習されているため、1:1 (正方形) にトリミングすることが推奨されます。
2. 解像度の調整: SDXLやSD3の学習では、1024x1024ピクセルが標準です。それ以下の画像は拡大、それ以上の画像は縮小します。一括処理ツール（例: ImageMagick、Pythonスクリプト）を活用すると効率的です。

3. キャプション（タグ付け）の作成

キャプションは、画像の内容をテキストで説明するプロセスで、LoRA学習において最も重要な工程の一つです。

1. キャプションの目的: 画像の内容を正確に記述することで、LoRAが何を学習すべきかをAIに教えます。
2. キャプションツールの利用: 2026年5月時点では、BLIP-2やDeepBooru (v3.1以降) などのAIベースの自動キャプションツールが非常に強力です。これらのツールは、画像内のオブジェクト、色、ポーズ、スタイルなどを自動でタグ付けしてくれます。
   • 手動での修正: 自動生成されたキャプションは完璧ではないため、必ず目視で確認し、不要なタグの削除や、重要な特徴の追加を行います。
   • トリガーワードの追加: 学習させたい主要なコンセプト（例: キャラクター名「my_char」）を全てのキャプションの先頭に追加します。

# 例: BLIP-2またはDeepBooruでキャプションを自動生成するコマンド (Kohya's GUI経由)
python sd-scripts/finetune/make_captions.py --batch_size 8 --caption_type blip --output_dir ./image_data/captions ./image_data

LoRA学習設定と実行手順

データセットの準備が完了したら、いよいよLoRAの学習設定を行います。ここでは、Kohya's GUI (v2026.5.x) を前提とした基本的な手順を説明します。

1. Kohya's GUIの起動と基本設定

1. ツールの起動: コマンドプロンプトまたはターミナルからKohya's GUIを起動します。

   accelerate launch --num_cpu_threads_per_process=2 sd-scripts/train_network.py --config config.toml
   

2. Source model (ベースモデル) の選択: 学習させたいSDモデル（SDXL 1.0、SD3など）のパスを指定します。
3. Folders (フォルダパス) の設定:
   • Image folder: 準備した画像データセットのフォルダパス。
   • Output folder: 学習済みLoRAモデルの保存先。
   • Logging folder: 学習ログの保存先。

2. LoRA学習パラメータの設定

LoRA学習の成否を分ける重要なステップです。

1. LoRA Type (LoRAの種類):

   • LoRA (Standard): 一般的なLoRA。
   • LoCon (LyCORIS): LoRAよりも複雑な特徴を学習しやすいが、ファイルサイズが大きくなる傾向。
   • LoHa (LyCORIS): LoConと同様に表現力が高いが、異なるアプローチ。
   • 2026年時点では、SDXL/SD3モデルにはLoConやLoHaがより良い結果をもたらすことが多いです。

2. Optimizer (最適化アルゴリズム):

   • AdamW8bit, Lion, Prodigyなどが主要なOptimizerです。
   • Prodigy (v0.0.8以降) は、学習率の設定が比較的容易で、少ないエポック数で良い結果を出す傾向があります。

3. Learning Rate (学習率):

   • 非常に重要なパラメータです。SDXL/SD3モデルの場合、LoRAの学習率は1e-5〜5e-5、Text Encoderの学習率は0.5e-5〜2e-5が一般的な範囲です。
   • Optimizerによって最適な値は異なります。Prodigyは他のOptimizerよりも高めの学習率を設定できることがあります。

4. Batch Size (バッチサイズ):

   • 一度に処理する画像の枚数。GPUメモリに依存します。推奨は1〜4ですが、GPUメモリが豊富な場合は大きくすることで学習速度が向上します。

5. Epochs (エポック数) / Steps (ステップ数):

   • データセット全体を何回学習させるか。少なすぎると未学習、多すぎると過学習の原因になります。
   • プレビュー機能を利用して、学習の進行具合を確認しながら調整します。目安は5〜15エポックですが、データセットの量や質によって大きく変動します。

6. Network Rank (Dim) & Alpha (ネットワークランクとアルファ):

   • Dim (Rank): LoRAの表現力を決定する数値。高いほど表現力が増しますが、ファイルサイズも大きくなります。推奨は32〜128。
   • Alpha: Dimに対する重み付け。通常はDimと同じ値か、Dimの半分程度を設定します。

💡 ポイント: 最初は控えめな設定（低めの学習率、少なめのエポック数、標準的なDim/Alpha）で学習を開始し、結果を見ながら徐々に調整していく「試行錯誤」がLoRA作成の鍵です。

3. 学習の実行と進捗監視

すべての設定が完了したら、「Start Training」ボタンをクリックして学習を開始します。

1. ログの確認: コマンドプロンプト/ターミナルに表示されるログや、TensorBoard (Kohya's GUIから起動可能) で学習の進捗（Loss値の推移など）を確認します。
2. プレビュー生成: 定期的にLoRAを適用した画像を生成し、過学習や未学習の兆候がないかチェックします。

LoRAの評価と活用

学習が完了したら、作成したLoRAモデルを評価し、実際に活用します。

1. テスト生成: Stable Diffusion Web UI (AUTOMATIC1111版やComfyUIなど) で、作成したLoRAを適用し、様々なプロンプトで画像を生成します。
   • 生成される画像が、意図したコンセプトを反映しているか。
   • 過学習（特定のプロンプトでしか機能しない、元の画像に酷似しすぎる）や未学習（LoRAが全く機能しない）の兆候がないか。
2. 調整: 評価結果に基づき、学習設定を見直して再学習を行います。
   • 未学習の場合: 学習率を上げる、エポック数を増やす、データセットを見直す。
   • 過学習の場合: 学習率を下げる、エポック数を減らす、ドロップアウト率を設定する。
3. 共有と活用: 満足のいくLoRAモデルが完成したら、Civitaiなどのコミュニティサイトで共有したり、自身の創作活動に活用したりできます。

2026年5月時点では、LoRAの作成は高度な技術と試行錯誤を要しますが、上記の手順を遵守し、最新のツールと知識を活用することで、高品質なLoRAを自作することが可能です。