如何训练 Flux AI 图像模型生成个人照片

今天，您可以在浏览器中对最强大的开源图像模型 Flux 进行微调，以生成无限量的个人 AI 图像。整个过程在您的浏览器中完成，您无需强大的硬件或编写一行代码。

Flux 在人脸上的微调能力是以前的开源图像模型（如 Stable Diffusion）所无法轻松实现的。

相信我，微调 Flux 的过程很简单，而且结果令人惊叹。我只是向 AI 输入了一堆我手机相册中的照片，20 分钟后，我发现自己在各种有趣的场景中生成了富有想象力的图像。

在本文中，我将逐步为您介绍微调 Flux 以生成个性化 AI 图像的步骤。这将是有趣、简单，而且——令人惊叹的。

开始之前，您需要准备：

• 至少 10 张清晰的自拍照
• 一个 Replicate 账户
• 一个用于训练 AI 模型的支付方式（只需花费 1 到 2 美元）

如果您准备好了，让我们开始吧。

在 Replicate 上训练 Flux

步骤 1：准备您的训练图像

微调 Flux 的第一步是准备您的训练图像。收集至少 10 张您自己的面部照片。

• 这些照片应清晰显示您的面部。尽量选择不同角度和光照条件，以便为 Flux 提供丰富的学习素材。
• 这些照片可以是 WebP、JPG 和 PNG 格式
• 使用高清图像，最好至少 1024×1024 或更高分辨率
• 文件名和纵横比无关紧要

请记住，您的图像在角度和光照方面越多样化，结果就会更好。但请注意，使用更多图像会导致训练时间更长。

收集好您的图像后，将它们放入一个不带密码的 zip 文件中。您可以随意命名这个 zip 文件。

步骤 2：选择一个独特的触发词

在提示微调后的图像模型时，在生成图像时在文本提示中使用一个独特的“触发词”作为标识符是很重要的。

例如，您不应该使用像“man”或“dog”这样的通用词。相反，使用您的名字，比如“Jimclyde”，作为触发词。

在选择触发词时，请考虑以下几点：

• 它应该是独特的，比如 MY_UNIQ_TRGGR。想象一下“个性化车牌”，但没有长度限制。
• 它不应该是任何语言中的现有单词，比如 dog 或 cyberpunk。
• 它不应该是 TOK，因为如果您想要组合它们，它将与其他微调发生冲突。
• 大小写不重要，但大写字母可以帮助视觉上区分触发词和文本提示的其余部分。

暂时保留您的触发词 – 在训练模型后会用到它。

步骤 3：训练 Flux 图像模型

现在是重要的部分：训练模型。转到您的 Replicate 账户，在“探索”选项卡下找到 "flux-dev-lora-trainer"。

在“创建训练”部分，设置模型目标。您可以使用现有模型或创建一个新模型。

在这个示例中，让我们创建一个名为“jimclyde-flux”的新模型，用于训练我的照片。确保将可见性设置为“私有”，以避免其他用户访问。

在输入图像部分，上传包含训练图像的 zip 文件。

接下来，在步骤 2 中选择的触发关键字。

将其余字段保持默认，最后点击“创建训练”按钮。

请记住，如果您不添加支付方式，训练将不会开始。

训练过程大约需要 20 分钟才能完成，但这取决于队列长度。要监视进度，请转到“训练”页面，并选择正在训练的模型。

训练完成后，您将看到一个成功状态和类似于这样的消息：

训练成功！您现在可以在我们的 Web 游乐场中运行并了解有关您训练模型的更多信息，或通过 Replicate API 开始运行预测。

现在，您已经准备好对微调后的模型进行测试运行。点击“运行训练模型”开始。在添加提示时，请确保在提示中包含您的 trigger_word，以激活您新训练概念中的生成图像。

生成图像

现在您可以开始生成定制图像。让我们尝试一个示例：

提示：JIMCLYDE，穿着礼服在红地毯秀上为杂志摆姿势，房间光线充足，面向相机，半身照

天啊，当我第一次看到这张图片时，我既感到毛骨悚然又哈哈大笑。看看逼真程度以及它与我的脸有多相似。这既令人毛骨悚然、滑稽，又令人惊叹！

以下是更多示例：

提示：JIMCLYDE，工作室拍摄，穿着白色polo衫和黑色裤子，微笑

提示：JIMCLYDE，在日本餐厅兴奋地吃寿司，因为现在是冬天，穿着黑色泡泡夹克，半身照

提示：JIMCLYDE，穿着白色宽松T恤在天蓝色背景前为品牌拍摄，全身照

再次强调，这简直太神奇了。我没有预料到 Flux 会这么好。整体图像与文本提示一致，主体看起来确实像我，甚至手部——许多图像生成器的一个难题——也被完美呈现。

您可以根据自己的喜好调整提示和其他设置。请原谅我，但这太有趣了——我最终制作了一堆图像。以下是我最喜欢的一些。

要查看生成图像的历史记录，请转到“预测”选项卡并单击 ID 链接。

您还可以通过 API 访问此模型，并将其集成到您的自定义应用程序中。以下是 Node.js 中的示例代码：

import Replicate from "replicate";

const replicate = new Replicate({
  auth: process.env.REPLICATE_API_TOKEN,
});

const output = await replicate.run(
  "jimclydegm/jimclyde-flux:5502907a82b7cfa8915abd05e9436XXXXXXXXX",
  {
    input: {
      model: "dev",
      lora_scale: 1,
      num_outputs: 1,
      aspect_ratio: "1:1",
      output_format: "webp",
      guidance_scale: 3.5,
      output_quality: 90,
      prompt_strength: 0.8,
      extra_lora_scale: 1,
      num_inference_steps: 28
    }
  }
);
console.log(output);

总结

总的来说，我通过微调后的 Flux 模型生成自己的图像非常有趣。这样做非常简单，而且成本相当低廉（仅需 1 到 2 美元），考虑到训练步骤数量为 1,000。结果非常令人印象深刻，与我的脸惊人地相似，与文本提示的整体一致性也很好。

请注意，本指南中使用的模型是 DEV 模型，而不是 Pro 模型。Flux Pro 模型在图像生成方面提供了最先进的性能，提供了一流的提示跟随、视觉质量、图像细节和输出多样性。它是比 Dev 模型更强大的图像模型，因此您可以期待使用 Pro 模型获得更好的图像。