Na czym polega różnica
Trening LoRA uczy model rozpoznawać jedną konkretną twarz. Po treningu wywołujesz ją słowem kluczowym i dostajesz tę samą osobę niezależnie od kadru.
Generacja z referencji podaje modelowi obraz wzorcowy przy każdej generacji i prosi, żeby zachował z niego twarz. Nic się nie uczy — za każdym razem zaczyna od nowa.
Porównanie
| Kryterium | Trening LoRA | Referencja |
|---|---|---|
| Spójność | Bardzo wysoka, także przy nietypowych ujęciach | Średnia — spada przy zmianie kadru i światła |
| Czas do pierwszego zdjęcia | Godziny (przygotowanie + trening) | Minuty |
| Koszt jednostkowy potem | Niski | Bez zmian |
| Wymagania | 15–30 zdjęć bazowych, moc obliczeniowa | Jedno dobre zdjęcie |
| Przenośność | Plik modelu zostaje twój | Zależna od narzędzia |
Problem jajka i kury
Żeby wytrenować model na jednej twarzy, potrzebujesz najpierw spójnego zestawu zdjęć tej twarzy. Skąd go wziąć, skoro właśnie po to trenujesz model?
W praktyce robi się to dwuetapowo: pierwszą serię generujesz z referencji albo z zapisanej postaci w narzędziu, wybierasz kilkanaście najlepszych i najbardziej zgodnych ujęć, i dopiero na nich trenujesz LoRA. Od tego momentu spójność przestaje być problemem.
Przy jednorazowym projekcie albo testowaniu pomysłu. Jeśli nie wiesz jeszcze, czy postać zostanie z tobą na dłużej, referencja wystarczy — a zaoszczędzony czas lepiej zainwestować w sprawdzenie, czy ktokolwiek chce tę postać obserwować.
Trzecia droga
Część narzędzi pozwala zapisać postać po swojej stronie i wywoływać ją identyfikatorem w kolejnych generacjach. To trening schowany za interfejsem — jakość zbliżona do LoRA bez konfigurowania środowiska, ale za cenę uzależnienia od jednego dostawcy. Szerzej opisałem to w tekście o spójnej twarzy modelki AI.