Z-Image-Turbo LoRA на WaveSpeed: применяйте пользовательские стили (до 3 LoRA)

Привет, я Дора. Как и вы, я устала от того, что мои макеты постоянно уходили от фирменного стиля: синий цвет всё время смещался в сторону бирюзового, логотип размывался по краям, а фотография продукта выглядела… почти правильно. «Почти» допустимо для черновиков, но это создаёт лишний шум. На прошлой неделе я попробовала LoRA с Z-Image-Turbo на WaveSpeed. Не ради новизны, а чтобы понять, можно ли превратить «достаточно близко» в «да, отправляем» без постоянного присмотра за промптами.

Это мои заметки: что сработало, где застряло, и как я настроила всё так, чтобы оно не мешало, когда уже отрегулировано.

Что такое LoRA?

LoRA (Low-Rank Adaptation) — это небольшой, точечный слой, который направляет большую модель к определённому стилю, персонажу или эстетике, без переобучения всей модели. Представьте это как мягкую линзу, которую можно надеть или снять. Базовая модель сохраняет свои широкие возможности: LoRA обучает её предпочтению.

На практике файлы LoRA компактны, быстро обучаются и дёшево заменяются. Последнее важно для рабочих процессов. Мне не нужен отдельный чекпоинт модели для каждой фирменной палитры или персонажа. Мне нужна одна быстрая основа (Z-Image-Turbo) и несколько сменных регуляторов.

Почему LoRA для Z-Image-Turbo?

Z-Image-Turbo на WaveSpeed настроен на скорость. Отлично для итераций, но скорость сама по себе не решает проблему «единого стиля». LoRA заполняет этот пробел. Я могу:

сохранять базовую модель быстрой,
подключать готовую LoRA для определённого вида или персонажа,
или обучить маленькую кастомную LoRA для своих ресурсов.

Меня удивило, насколько большой контроль давал параметр scale. Небольшое значение (0,3–0,6) сохраняло сильные стороны базовой модели. Более высокое (0,8–1,0) сильнее вдавливалось в выученный стиль — иногда слишком сильно. Я начинала с низкого значения, затем поднимала, пока не казалось правильным. Эта простая привычка за неделю сократила повторные рендеры примерно на треть.

Использование готовых LoRA

Сначала я пробовала готовые LoRA, потому что не хотела ничего обучать, пока не разберусь с границами. WaveSpeed обращается с LoRA как с плагином: укажи файл, задай scale, и вперёд.

Поиск совместимых LoRA

Совместимость зависит от формата и семейства базовых моделей. Если LoRA была обучена на похожей диффузионной основе (и отмечена как совместимая с Z-Image-Turbo или его предшественниками), она, как правило, работала корректно. Я держала короткий чеклист:

то же или смежное семейство базовых моделей,
примечания к версии, если есть (дата + тег модели),
галерея предпросмотра, показывающая разнообразие, а не только отборные удачные результаты.

Когда LoRA выглядела «слишком идеально», я предполагала переобучение. В моих тестах такие LoRA обычно ломались на промптах, выходящих за рамки узкого диапазона. Более качественные наборы держались, когда я меняла освещение или параметры камеры.

Параметры API: path + scale

API WaveSpeed использует простую структуру для каждой LoRA: path (где находится файл LoRA) и scale (насколько сильно она применяется). Path может быть размещённым ресурсом WaveSpeed или подписанным URL, которым вы управляете. Scale — это число с плавающей точкой. Я работала преимущественно в диапазоне 0,35–0,7. Ниже 0,3 я часто не могла понять, включена ли LoRA; выше 0,8 она иногда разрушала композицию.

Небольшое замечание по реальным запускам: если путь неверен или ресурс приватный без нужного токена, вы не всегда получите явную ошибку — просто изображения будут выглядеть как базовая модель. Когда что-то казалось подозрительно обычным, я перепроверяла путь.

Стекирование нескольких LoRA (до 3)

Можно стекировать до трёх LoRA. Я попробовала одну для цветовой обработки, одну для фирменной текстуры и одну для черт персонажа. Это сработало, но только после того, как я сбалансировала их значения scale. Если две LoRA конфликтуют (например, одна настаивает на мягком зерне плёнки, а другая добавляет чёткий блеск продукта), изображение выглядит нерешительным. Моё правило:

начинать каждую с 0,3,
определить якорную LoRA (обязательный вид),
медленно поднимать её значение,
слегка настраивать остальные, чтобы они дополняли, а не конкурировали.

Стекирование сэкономило мне время, когда нужны были и фирменный стиль, и повторяющийся персонаж. Оно не экономило время, когда я пыталась одновременно использовать три тяжёлых стиля. Это просто возвращало меня к методу проб и ошибок.

Реализация через API

Вот как я реализовала это в небольшом скрипте. Я использовала промпты, которые реально применяю в работе: макеты продуктов с вариантами фона, плюс несколько снимков персонажей для внутренней документации.

Структура параметра LoRA

Тело запроса включает массив loras. Каждый элемент:

path: строка (путь к ресурсу WaveSpeed или подписанный URL)
scale: число с плавающей точкой (0,0–1,0; рекомендую начинать с 0,3–0,7)

Остальные параметры Z-Image-Turbo (prompt, negative_prompt, seed, steps, width/height) работают как обычно. Seeds помогали мне сравнивать изменения scale на равных условиях.

Пример кода на Python

import requests


API_KEY = "YOUR_WAVESPEED_KEY"

ENDPOINT = "https://api.wavespeed.ai/v1/z-image-turbo/generate"


payload = {

"prompt": "minimal product photo of a cobalt-blue bottle on soft textured linen, natural window light, 50mm, f2.8",

"negative_prompt": "text, watermark, harsh shadows, warped label",

"width": 768,

"height": 768,

"steps": 16,

"seed": 12345,

"loras": [

{"path": "wavespeed://assets/brand/linen_texture_lora.safetensors", "scale": 0.45},

{"path": "wavespeed://assets/brand/cobalt_hue_lora.safetensors", "scale": 0.55}

]

}


headers = {

"Authorization": f"Bearer {API_KEY}",

"Content-Type": "application/json"

}


r = requests.post(ENDPOINT, json=payload, headers=headers, timeout=60)

r.raise_for_status()

result = r.json()
# Ожидайте изображения в base64 или URL в зависимости от настроек вашего аккаунта

print(result.get("images", []))

В моих запусках 16 шагов с Z-Image-Turbo было достаточно для качества предпросмотра. Для финальных изображений я поднимала до 22–24 шагов. Это добавляло ~0,3–0,6 секунды на изображение в моём аккаунте, что было приемлемо.

Балансировка значений LoRA scale

Я итерировала так:

фиксировала seed,
устанавливала все LoRA на 0,3,
выбирала якорную LoRA и поднимала её на 0,1, пока не казалось правильным,
корректировала остальные с шагом 0,05–0,1.

Фиксированный seed при настройке scale помогал видеть эффект напрямую. Когда баланс нравился, я убирала фиксацию seed для разнообразия. Это не сэкономило время сразу — я потратила 15–20 минут только на понимание ощущений. Но на третий день заметила, что перестала редактировать промпты. Значения scale несли стиль, а я сосредоточилась на макете и тексте.

Обучение кастомных LoRA

После готовых LoRA я обучила небольшую LoRA для формы бутылки и стиля этикетки клиента. Я сделала это, чтобы устранить постоянные правки, когда угол горлышка и блеск этикетки продолжали уплывать.

Подготовка данных для обучения (загрузка ZIP)

Я собрала 18 изображений, очистила фоны и сохранила метаданные единообразными. Запаковала их в zip — простая папка, строчные имена файлов без пробелов — и загрузила. Добавила 3–4 подписи на изображение, когда текст этикетки был важен. Когда нет — оставляла подписи минимальными. Больше подписей помогло тексту этикетки оставаться читаемым.

Небольшое неудобство: почти идентичные изображения не помогали. Я удалила дубли и увидела меньше переобучения.

Параметры обучения

Я придерживалась лёгкого подхода:

разрешение: квадратные кропы 768,
размер батча: 1,
скорость обучения: консервативное значение по умолчанию,
шаги обучения: 3 000–6 000 для стиля и формы,
ранг сети (r): умеренный: высокое значение делало результат «громче», чем мне нужно.

Когда я превышала ~8 000 шагов, модель начинала навязывать бутылку в промпты, где я её не запрашивала. Нежелательно. Меньше шагов плюс более чистый датасет побеждали.

Цена: $1,25 за 1 000 шагов

Мои два запуска (3 500 и 5 000 шагов) обошлись в $10,63 суммарно по $1,25 за 1 000 шагов. Это разумно, если LoRA оправдывает себя несколько месяцев.

Типичный бюджет на обучение

Что бы я закладывала сейчас:

LoRA только на стиль: 2 000–4 000 шагов ($2,50–$5,00),
персонаж с выражениями лица: 5 000–8 000 шагов ($6,25–$10,00),
форма продукта + детали этикетки: 3 000–6 000 шагов ($3,75–$7,50).

Сначала я бы делала один более короткий прогон, проверяла результаты, а затем добавляла шаги, если это перспективно. Два небольших прогона лучше одной долгой сессии с переобучением.

Сценарии использования

Это те ситуации, где LoRA на Z-Image-Turbo помогала мне работать быстрее — не каждый день, но надёжно, когда задача подходила.

Единообразие фирменного стиля

Если вы устали повторно вводить подсказки о бренде в каждый промпт, мягкая LoRA стиля на 0,4–0,6 держит цвет, контраст и текстуру в норме. Я использовала это для вариантов в социальных сетях и веб-баннеров. Это не делало их блестящими — просто делало единообразными. В этом и смысл. Я экономила примерно 5–7 минут на каждый результат, пропуская второй раунд «исправь настроение».

LoRA персонажей

Для внутренней документации и лёгкого маскота, появляющегося на экранах онбординга, LoRA персонажа удерживала черты постоянными при разных ракурсах. Стекирование с мягкой цветовой обработкой работало, но только после того, как я снизила scale персонажа до 0,35. При более высоком значении он заглушал освещение. После настройки это сняло странную умственную нагрузку: я перестала беспокоиться о том, уплывёт ли лицо.

Специфическая эстетика продукта

Кастомная LoRA бутылки снизила искажение этикетки и сохранила геометрию горлышка в крупных планах. Не идеально — чёткие отражения всё ещё требовали пары попыток, — но это сократило количество непригодных рендеров. Тихая победа — предсказуемость. Когда я вводила «угол три четверти на льне», я получала именно это, а не случайный вариант.

Кому это может понравиться: тем, кто уже знает, чего хочет, и устал спорить с моделью. Кому нет: тем, кто каждый раз исследует совершенно новые стили. LoRA — это стабилизатор. Он блистает, когда цените меньше сюрпризов, а не больше фейерверков.