複数のLoRA訓練器をひとつのランチャーで統合・実行できるデスクトップアプリ
中辛 の解説
複数のLoRA訓練フレームワークを1つのランチャーと共有venv環境で統合し、最新の画像・動画拡散モデル用LoRAを消費者向けNVIDIA GPUで訓練します。SDXL・FLUX.2・Qwen-Image 2.1・Anima・Z-Image・Krea 2・LTX-2.3・Ideogram 4・MiniMax-H3・ERNIE-Imageの各訓練器が、PyTorch 2.14(CUDA 13.0)とPEFT・bitsandbytesを用いて、NF4量子化により必要なモデルウェイトを削減(例:Krea 2 は 43.2 GB から 17.0 GB に削減)します。テキストエンコーダーとVAEの出力をディスクキャッシュして推論の重複を排除し、GPUを訓練に専念させます。ウェブインターフェース(localhost:5000)でデータセット管理・自動キャプション・リアルタイムプレビュー・学習率・ランク等のLive設定編集・ステップ単位での正確な再開が可能です。初回インストール時にPython 3.13.1と全依存ライブラリが自動セットアップされ、新しい訓練器は更新スクリプトで既存インストールに追加されます。リモートネットワークアクセス対応でブラウザからデータセットのアップロード・LoRAのダウンロードが可能です。RunPodテンプレート対応で、クラウドGPU上での訓練にも対応しています。
こんなリポジトリです
主な機能
ほかとの違い
複数の訓練フレームワークをひとつのランチャーと共有Python環境で統合し、4ビット量子化と事前キャッシュにより低VRAMでも複数モデル向けLoRA訓練を可能にしています。
このリポジトリの作り方
はじめてですか? むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。
準備するもの
- Windows 10/11 または 64 ビット Linux
- NVIDIA RTX 20xx / GTX 16xx 以上のGPU(コンピュート能力 7.5 以上)
- NVIDIA ドライバ 580 以上(CUDA 13)
- 最小 8 GB VRAM(Anima・SDXL NF4では 4 GB、LTX-2.3・FLUX.2・Ideogram 4・SDXL BF16では 12 GB)
- 16 GB RAM(32 GB 推奨)
- 初回モデルダウンロード時のインターネット接続
- MiniMax-H3 使用時に ffmpeg が PATH に必要
ギット飯トライで味見
入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。
ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。
npx gitbap-try AcademiaSD/AcademiaSD_LoRAlab-TrainerStudio
Node.js さえあれば、インストールなしで動きます · ギット飯トライとは? →
スター推移 · 7日
確認日時
使いやすさ · まねしやすいか
- ゆるいライセンス
- テストあり
- サンプル集
- 最近の更新
- AGENTS.md
- llms.txt
- テンプレート
最近の更新あり · 2026 年に作成
「AI メディア生成」 こういうリポジトリを毎週受け取りませんか?
毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。
自分のリポジトリですか? README にギット飯バッジを貼る
[](https://www.gitbap.com/r/AcademiaSD/AcademiaSD_LoRAlab-TrainerStudio)Claude からそのまま使う — ギット飯のつなぎ方
ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。
Claude の設定 → コネクタにこのアドレスを貼り付け。
https://www.gitbap.com/api/mcpプラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI が README をもとに要約しました · 原文を見る