Stable Diffusion LoRAの作り方と手順：個人PC・クラウドでの自作ガイド
ヨミアゲAI編集部
AI音声・動画制作に関する情報をお届けします
2026年4月現在、Stable Diffusionにおける**LoRA（Low-Rank Adaptation）**は、特定のキャラクターやスタイル、オブジェクトなどを効率的に学習させるための主要な手法として確立されています。従来のモデル全体を再学習する手法に比べ、ごく一部のパラメータのみを調整することで、少ない画像枚数と短時間での学習が可能になりました。これにより、VRAM 12GB程度のGPUを搭載した個人PCでも高品質なLoRAを自作できる環境が整っています。
特に、クラウドベースのAI学習環境の進化は目覚ましく、ConoHa AI Canvasのようなサービスを利用すれば、複雑な環境構築なしにWebブラウザから手軽にLoRA作成が可能です。これにより、より多くのユーザーがLoRA作成に挑戦できるようになっています。
Stable Diffusion LoRAの基礎と作成に必要な要素（2026年4月時点）
LoRAは、元のモデル全体を再構築するのではなく、追加の学習パラメータを適用する手法です。これにより、特定の要素に特化した学習を効率的に行い、生成画像の品質を向上させることができます。
LoRA作成に必要な要素とツール
個人PCでLoRAを作成する場合、以下の要素とツールが必要です。
| 要素 | 詳細 | 推奨スペック/枚数 |
|---|---|---|
| 学習させる画像データ | 統一感のある画像。構図、表情、衣装、色味を揃えることが重要。 | 最低20〜30枚、安定した品質には50枚以上 |
| 画像に対応するタグ（キャプション） | 画像の特徴を記述したテキスト。自動生成ツール（WD14など）の利用が一般的。 | - |
| 学習スクリプト/GUI | Kohya’s GUIが最も広く利用されており、詳細な設定が可能。 | - |
| Python実行環境 | Anacondaなど。 | - |
| GPU | 高速な学習には必須。SDXLモデルの学習にはより高性能なGPUが推奨。 | VRAM 24GB以上推奨 |
💡 ポイント: GPUのVRAMが不足している場合でも、クラウドサービスを利用することで高スペックな環境を借りて学習を進めることが可能です。ConoHa AI Canvasはスタンダードプラン以上の契約でLoRA学習環境が利用できます。
クラウドサービス「ConoHa AI Canvas」を利用するメリット
ConoHa AI Canvasのようなクラウドサービスは、以下の点で個人PCでの学習と比較して優位性があります。
- 環境構築不要: PythonやGPUドライバーのインストール、Kohya’s GUIのセットアップといった複雑な作業が不要です。
- 高スペック環境: 高価なGPUを所有していなくても、高性能な環境を利用できます。
- Webブラウザ操作: 全ての作業をWebブラウザ上で行えるため、場所を選ばずに作業が可能です。
データセット収集とキャプション整備のコツ
LoRAの品質は、学習に用いる画像データとキャプションの質に大きく左右されます。
学習用画像の選び方・集め方
- 画像の質が最重要: LoRAの品質は学習データセットの質に大きく左右されます。キャラクター画像の場合、構図・表情・衣装のバリエーションを抑え、色味も揃えた画像群を用意することで、より望ましい結果が得られます。
- 画像サイズとアスペクト比: SDXLを利用する場合、1024×1024pxが推奨されます。アスペクト比を揃えることで、学習エラーのリスクを低減できます。
- 注意点: 枚数が少ない場合、「背景が異なる」「髪型が難しく見えづらい」などの画像は、LoRAの破綻（学習がうまくいかず、意図しない画像が生成されること）の原因となるため避けるべきです。正面顔を中心に、キャラクターの特徴が見えやすい向きの画像を準備しましょう。
⚠️ 注意: 学習用画像には、CC0（著作権放棄）が適用された画像の利用を強く推奨します。人物写真、商標、キャラクター性のある素材を使用する場合は、肖像権や商標権に十分注意してください。
キャプション整備のコツ
キャプションは画像の特徴をモデルに伝える重要な情報です。
- 特徴の強調: 特徴の強いキャプション（例:
red hair,blue eyes）は、キャプションの前方に配置することで、その特徴をモデルに強く学習させ、精度向上につながります。 - 簡潔さ: キャプションを入れすぎると、LoRAが何を学ぶべきか曖昧になり、精度低下の原因となることがあります。最初は設定する要素を最小限にし、必要に応じて追加していくことをおすすめします。
ConoHa AI CanvasでのLoRA作成ステップ（2026年4月時点）
ConoHa AI Canvasを利用したLoRA作成は、以下のステップで進められます。ここではSDXL適用LoRAの例を挙げます。
ステップ1: 学習用画像のアップロード
- ConoHa AI Canvasにログイン後、「ファイルマネージャー」を起動します。
- 親フォルダ（例:
dataset）を作成します。 - 親フォルダ内にアップロード用フォルダを作成します。命名規則は
[繰り返し回数]_[任意の名前]（例:10_LoRAdataset）です。 - このアップロード用フォルダに、準備した学習用画像をアップロードします。例として、25枚の画像をアップロードします。
ステップ2: キャプション設定（WD14自動生成）
- ConoHa AI Canvasコントロールパネルから「Kohya SS （LoRA学習機能）」を起動し、設定したユーザーネームとパスワードでログインします。
- Kohya SSの画面上部にある
utilitiesタブを開き、次にWD14キャプション生成タブを開きます。 - 以下の設定を行います。
- キャプションを付ける画像フォルダ: ステップ1でアップロードしたフォルダを指定します。
- Threshold:
0.35（推奨値） - 文字しきい値:
0.85（推奨値）
- 「画像にキャプションを付ける」ボタンをクリックします。25枚程度の画像であれば数秒で完了します。
- ファイルマネージャーに戻り、各画像に対応する
.txtファイル（キャプション）が作成されていることを確認します。
これらの準備が完了したら、Kohya SSの「LoRA学習」タブで学習設定を行い、LoRAの生成に進むことができます。学習設定では、モデルの選択、学習率、エポック数、バッチサイズなど、多くのパラメータを調整して、最適なLoRAを生成します。