ArtificialGuyBR

Home / Blog / Training LoRAs

Crochet Amigurumi LoRA para Z-Image-Turbo: generación…

Genere imágenes de amigurumi de crochet consistentes con este LoRA para Z-Image-Turbo. Palabras desencadenantes, configuraciones y resultados de ejemplo.

1 sources cited Training LoRAs

On this page

  1. Qué hace este LoRA
  2. Como usar
  3. Configuraciones recomendadas
  4. Palabras desencadenantes
  5. Licencia
  6. Errores y correcciones comunes
  7. Preguntas frecuentes
  8. Fuentes

Crochet Amigurumi LoRA para Z-Image-Turbo

  • Frase desencadenante: Amigurumi, Crochet. - incluye esto en cada mensaje
  • Modelo base: Tongyi-MAI/Z-Image-Turbo
  • Mejor interfaz: ComfyUI (recomendado por el autor)
  • Licencia: Apache 2.0: gratuito para uso comercial

Qué hace este LoRA

Este LoRA adapta el modelo de texto a imagen Z-Image-Turbo para especializarse en la estética de crochet amigurumi. Amigurumi es el arte japonés de tejer pequeñas criaturas de hilo rellenas: piense en formas redondeadas, textura de puntada visible y la calidad suave y hecha a mano de los juguetes de hilo. El adaptador fue entrenado en un conjunto de datos seleccionados de fotografías de amigurumi con cómputo GPU patrocinado por Redmond.AI.

Example amigurumi generation showing a crocheted character with yarn texture and stitch detail

El resultado es un adaptador liviano (formato de tensores de seguridad) que agrega un fuerte control estilístico sin requerir un ajuste completo del modelo. Los resultados muestran consistentemente la textura de la fibra del hilo, la definición de las puntadas y las proporciones características de las figuras amigurumi.

Como usar

Cómoda UI (recomendado)

  1. Cargue Z-Image-Turbo como su punto de control base
  2. Añadir un Load LoRA nodo que apunta al archivo .safetensors descargado.safetensors
  3. Establezca la intensidad de LoRA entre 0,8 y 1,0 (comience en 1,0)
  4. Incluir la frase desencadenante Amigurumi, Crochet. al comienzo de su mensaje

Difusores (Python)

de difusores importan DiffusionPipeline
importar antorcha

tubería = DiffusionPipeline.from_pretrained(
    "Tongyi-MAI/Z-Imagen-Turbo",
    torch_dtype=antorcha.float16
).a("cuda")

pipe.load_lora_weights("guybrartificial/CROCHET-AMIGURUMI-REDMOND-ZIMAGE")

inmediato = "Amigurumi, Crochet. Un lindo osito de crochet sentado en un estante, textura de hilo suave, iluminación cálida"
imagen = tubería (mensaje, num_inference_steps = 4, orientación_escala = 0.0). imágenes [0]

Z-Image-Turbo es un modelo destilado/rápido: utiliza recuentos de pasos bajos (4 a 8) y guía_escala cercana a 0.

Second example showing amigurumi animals with consistent stitch quality

Configuraciones recomendadas

Parámetro | Valor

|---|---

Pasos | 4–8 Escala orientativa | 0,0–1,0 Peso LoRA | 0,8–1,0 Resolución | 1024×1024 (nativo) Muestrario | Euler a/DPM++ 2M

Palabras desencadenantes

La tarjeta modelo especifica un único disparador compuesto:

Amigurumi, Crochet.

Coloque esto al comienzo de su mensaje. El período importa: los datos de entrenamiento utilizaron este formato exacto.

Licencia

Apache 2.0: permisivo, permite el uso, modificación y distribución comercial con atribución. Ver el tarjeta modelo HF para ver el texto completo de la licencia.

Errores y correcciones comunes

Error | Causa | Arreglar

|---|---|---

Estilo no activado | Falta frase desencadenante | anteponer Amigurumi, Crochet. a cada mensaje Aspecto demasiado cocido/quemado | Peso de LoRA demasiado alto | Reducir a 0,7–0,8 Borroso/poco detalle | Demasiados pasos en Z-Image-Turbo | Utilice de 4 a 8 pasos, orientación ~0 Modelo base incorrecto | Usando el punto de control SDXL/Flux | Debe utilizar Tongyi-MAI/Z-Image-Turbo

Preguntas frecuentes

P: ¿Esto funciona con SDXL o Flux? R: No. Este LoRA apunta específicamente a Z-Image-Turbo. La arquitectura y el espacio latente difieren.

P: ¿Puedo fusionar este LoRA con el modelo base? R: Sí, usar merge_lora en ComfyUI o el método de difusores pipe.merge_lora()pipe.merge_lora()puesto de control.

P: ¿Cuál es la diferencia entre este y el amigurumi LoRA de FluxKlein? R: Diferentes modelos básicos. Esto apunta a Z-Image-Turbo (rápido, 4 pasos); la versión FluxKlein apunta a Flux.1-Klein. Elija según el modelo base que prefiera.

P: ¿Las imágenes de ejemplo están seleccionadas cuidadosamente? R: La tarjeta del modelo muestra 15 muestras de widgets (imágenes 001–015). Los tres que se muestran aquí son representativos del estilo consistente.

Fuentes

  • Tarjeta modelo HuggingFace: https://huggingface.co/artificialguybr/CROCHET-AMIGURUMI-REDMOND-ZIMAGE
  • Modelo básico: https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
  • Patrocinador informático de Redmond.AI: https://redmond.ai/
  • Portafolio de autores: https://artificialguy.com/