WaveSpeedAI
← 部落格

Z-Image-Turbo LoRA現已登陸WaveSpeed：套用自訂風格（最多3個LoRA）

使用Z-Image-Turbo LoRA套用自訂風格、角色與品牌識別。最多可疊加3個LoRA，每張圖片僅需$0.01。內含訓練指南（每1000步$1.25）。

2 min read
Z-Image-Turbo LoRA現已登陸WaveSpeed：套用自訂風格（最多3個LoRA）

嗨，我是 Dora。你是否也和我一樣，希望模型原型不再偏離品牌風格——那個老是偏向青色的藍、邊緣逐漸柔化的品牌標誌、看起來……幾乎正確的產品照片。草稿階段差不多就算了，但這會產生雜訊。所以上週，我嘗試了在 WaveSpeed 上使用 LoRA 搭配 Z-Image-Turbo。不是為了追求新奇，而是想看看能否不用一直盯著提示詞，就把「差不多夠好」變成「好，可以出貨了」。

以下是我的筆記——哪些有效、哪裡卡住、以及我如何設定它，讓它一旦調好就不再礙事。

什麼是 LoRA？

LoRA（低秩自適應）是一個小型、針對性的層，能將大型模型引導向特定風格、角色或美感，而無需重新訓練整個模型。把它想像成一個可以加上或取下的柔和濾鏡。基底模型保有其廣泛能力，而 LoRA 則教它一種偏好。

在實際操作中，LoRA 檔案體積小、訓練快、切換成本低。最後這點對工作流程很重要。我不想為每個品牌色調或角色準備一個獨立的模型檢查點。我想要一個快速的骨幹（Z-Image-Turbo）加上幾個可替換的調節旋鈕。

為何在 Z-Image-Turbo 上使用 LoRA？

WaveSpeed 上的 Z-Image-Turbo 針對速度進行了優化，非常適合快速迭代，但速度本身無法解決「風格一致性」的問題。LoRA 填補了這個缺口。我可以：

  • 保持基底模型的高效能，
  • 為某種視覺風格或角色套用預製 LoRA，
  • 或針對自己的素材訓練一個小型客製化 LoRA。

讓我驚訝的是 scale（強度）參數給了我多大的控制空間。較低的 scale（0.3–0.6）保留了基底模型的優勢；較高的 scale（0.8–1.0）則會更強力地往學習到的風格推進，有時甚至過了頭。我從低值開始，慢慢往上調直到感覺對了。這個簡單習慣在那週幫我減少了約三分之一的重新渲染次數。

使用預製 LoRA

我先嘗試預製 LoRA，因為在摸清邊界之前我不想自行訓練任何東西。WaveSpeed 將 LoRA 當作外掛元件處理，指向一個檔案、設定 scale，就可以開始了。

尋找相容的 LoRA

相容性取決於格式和基底模型系列。如果某個 LoRA 是針對相似的擴散模型骨幹訓練的（並標註為與 Z-Image-Turbo 或其同系列相容），通常都能正常運作。我保留了一份簡短的檢查清單：

  • 相同或相近的基底模型系列，
  • 有提供的話查看版本說明（日期 + 模型標籤），
  • 預覽圖庫要呈現多樣性，而不只是精心挑選的亮眼範例。

當某個 LoRA 看起來「太完美」時，我會猜測是過擬合。在我的測試中，這類 LoRA 在偏離特定範疇的提示詞下往往表現崩潰。品質較好的 LoRA 在我更換光線或鏡頭描述時依然能保持穩定。

API 參數：path 與 scale

WaveSpeed 的 API 對每個 LoRA 使用簡單的結構：path（LoRA 檔案的位置）和 scale（套用強度）。path 可以是託管於 WaveSpeed 的資產或你自己控制的簽名 URL。scale 是一個浮點數。我大多數時間都在 0.35 到 0.7 之間操作。低於 0.3 時，我常常感覺不到它有在作用；高於 0.8 時，它有時會把整個構圖推倒重來。

從實際使用中的小提示：如果 path 錯誤或資產在沒有正確 token 的情況下設為私有，你不一定會收到明顯的錯誤——你只會得到看起來像基底模型輸出的圖像。當結果感覺莫名地平淡時，我會再次檢查 path。

疊加多個 LoRA（最多 3 個）

你可以疊加最多三個 LoRA。我嘗試過一個用於色彩處理、一個用於品牌質感、一個用於角色特徵。這樣可行，但前提是我平衡好各自的 scale。如果兩個 LoRA 互相衝突（比如一個堅持柔和的底片顆粒感，另一個要加上清晰的產品光澤），圖像就會顯得優柔寡斷。我的原則是：

  • 每個都從 0.3 開始，
  • 找出錨點 LoRA（不可妥協的核心視覺），
  • 緩慢地提高那個 LoRA 的 scale，
  • 微調其他的，直到它們互補而非競爭。

當我同時需要品牌感和固定角色時，疊加幫我省下了不少時間。但當我試圖強行融合三個風格鮮明的 LoRA 時，它並沒有省時——那只會把我推回試錯的迴圈。

API 實作

以下是我在一個小腳本中的接法。我用的是實際出貨的提示詞：附帶背景變化的產品模型圖，加上幾張用於內部文件的角色照。

LoRA 參數結構

請求本體包含一個 loras 陣列，每個項目包含：

  • path：字串（WaveSpeed 資產路徑或簽名 URL）
  • scale：浮點數（0.0–1.0；建議從 0.3–0.7 開始）

其他 Z-Image-Turbo 參數（prompt、negative_prompt、seed、steps、width/height）照常使用。固定 seed 幫助我在調整 scale 時進行同等條件的比較。

Python 程式碼範例

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()
# 根據帳號設定，預期回傳 base64 圖片或 URL

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

在我的測試中，Z-Image-Turbo 用 16 步就足以達到預覽品質。最終圖像我會調到 22–24 步，這在我的帳號上每張圖大約多花 0.3–0.6 秒，完全可以接受。

平衡 LoRA Scale

我的迭代方式如下：

  1. 固定 seed，
  2. 將所有 LoRA 設為 0.3，
  3. 選出錨點 LoRA，每次提高 0.1 直到感覺正確，
  4. 以 0.05–0.1 的幅度微調其他 LoRA。

在調整 scale 時保持 seed 固定，讓我能直接觀察效果。滿意平衡後，再解除固定 seed 以增加變化。這一開始並沒有幫我省時——我花了 15–20 分鐘只是在找感覺。但到了第三天，我注意到自己已經停止調整提示詞了。風格由 scale 負責承載，我可以專心處理版面和文案。

訓練客製化 LoRA

試過預製 LoRA 之後，我為客戶的瓶身形狀和標籤風格訓練了一個小型 LoRA。目的是減少來回溝通——因為瓶頸角度和標籤光澤一直在飄移。

準備訓練資料（ZIP 上傳）

我蒐集了 18 張圖片、清理背景、並保持 metadata 一致。我將它們壓縮成 ZIP，簡單的資料夾結構、小寫檔名、無空格，然後上傳。當標籤文字很重要時，我為每張圖片新增了 3–4 條說明文字；不重要時，說明文字保持精簡。更多說明文字有助於讓標籤保持清晰可讀。

有個小阻力：看起來幾乎相同的圖片沒什麼幫助。我移除了近似重複的圖片後，過擬合的情況減少了。

訓練參數

我保持輕量設定：

  • 解析度：768 正方形裁切，
  • 批次大小：1，
  • 學習率：保守的預設值，
  • 訓練步數：3,000–6,000 步，適合風格 + 形狀，
  • 網路秩（r）：適中；設太高會讓它比我想要的「更強勢」。

當步數超過約 8,000 時，它開始在我沒有要求的提示詞中強行插入瓶子。不理想。步數少一點加上更乾淨的資料集，才是正確做法。

定價：每 1,000 步 $1.25

我的兩次訓練（3,500 步和 5,000 步）以每 1,000 步 $1.25 計算，合計花費 $10.63。如果這個 LoRA 能使用幾個月，這個費用是合理的。

典型訓練預算

我現在會這樣預估預算：

  • 純風格 LoRA：2,000–4,000 步（$2.50–$5.00），
  • 含表情的角色：5,000–8,000 步（$6.25–$10.00），
  • 產品形狀 + 標籤細節：3,000–6,000 步（$3.75–$7.50）。

我會先跑一次較短的訓練，確認結果沒問題，再視需要補足步數。兩次較小的訓練，勝過一次漫長的過擬合。

使用案例

以下是 LoRA 搭配 Z-Image-Turbo 幫我加速出貨的場景——不是每天都用得上，但只要任務符合，就很可靠。

品牌風格一致性

如果你厭倦了每次提示詞都要重新輸入品牌風格描述，一個 scale 設在 0.4–0.6 的輕度風格 LoRA 就能保持色彩、對比和質感的一致性。我用這個來製作社群變體和網頁橫幅。它不會讓圖片變得出色，只是讓它們保持一致——這正是重點。每份交付物省下了大約 5–7 分鐘，跳過了第二輪「調整氛圍」的步驟。

角色 LoRA

為了內部文件和出現在引導畫面中的輕量吉祥物，角色 LoRA 讓各種角度下的特徵保持穩定。將它與柔和的色彩處理疊加是可行的，但前提是我把角色 LoRA 的 scale 降到 0.35。再高一點就會把光線效果全部蓋掉。調好之後，它消除了一種奇怪的心理負擔：我不再擔心臉部特徵會飄移。

產品特定美感

客製化的瓶子 LoRA 減少了標籤變形，並在近景拍攝中保留了瓶頸的幾何形狀。並不完美——緊湊的反射仍然需要試幾次，但它降低了無法使用的渲染結果數量。最安靜的收穫是可預測性。當我輸入「亞麻布上的四分之三角度」時，我得到的就是那個，而不是意外的變體。

適合哪些人：已經清楚知道自己想要什麼、不想再每次跟模型重新磨合的人。不適合哪些人：每次都在探索全新狂野風格的人。LoRA 是一個穩定器，當你重視「更少驚喜」勝過「更多花樣」時，它才真正發光。

分享