教程：无需编程知识 使用自己的照片快速训练一个自己的FLUX.1 图像模型

FLUX.1模型的发布迅速风靡全球，生成的图像质量超越了现有的开源模型，并且支持通过简单的操作进行微调，无需编程知识。Replicate 上已经发布了数百个公开的 Flux 微调，还有数千个私有的微调。

Flux 最令人兴奋的功能之一是它能够微调面部图像，而这一点在以前的开源图像生成模型（如 Stable Diffusion 或 SDXL）中是很难实现的。自 Dreambooth 以来，从仅几张训练图像中获得出色结果的微调方式再也没有如此简单。

本文详细介绍了如何在Replicate平台上使用自己的照片来微调FLUX.1图像训练一个自己的图像模型，可以使用你自己的照片生成各种风格的新的图像。如超级英雄、卡通角色或冒险者形象等。

关键步骤包括：

1. 准备训练图片：至少10张高质量的、从不同角度和光线条件下拍摄的面部照片。
2. 选择触发词：创建一个唯一的“触发词”，用于后续在提示文本中激活该模型。
3. 创建并训练模型：在Replicate上上传图片和触发词，进行训练，过程大约需要20分钟。
4. 生成图像：使用训练后的模型生成包含触发词的详细描述文本，即可生成与提示相关的图像。

步骤 0: 准备工作

在开始微调 FLUX.1 模型之前，你需要以下物品：

• 一个 Replicate 账户
• 几张自己的照片作为训练图片
• 2-3 美元，用于支付模型训练费用

步骤 1: 收集训练图片

你需要收集几张自己的照片进行训练，最好使用不同角度、光线条件和背景的照片，推荐至少 10 张高质量面部照片，但最少也需要 2 张。

图片要求：

• 支持格式：WebP、JPG、PNG
• 分辨率：建议使用 1024×1024 或更高分辨率
• 文件名：随意命名，文件名不影响训练
• 纵横比：图片可以是方形、横向或纵向
• 建议最少 10 张图片，图片越多，效果越好
• 选择多样化的图片，例如不同背景、服装、灯光、角度等

准备步骤：

1. 将图片存放在一个文件夹中，例如名为 data。
2. 将该文件夹压缩成 .zip 文件，命名为 data.zip。

步骤 2: 选择唯一的触发词

在微调 FLUX.1 模型时，你需要选择一个唯一的触发词，后续会在图像生成提示文本中使用这个词。

photo of YOUR_TRIGGER_WORD_HERE looking super-cool, riding on a segway scooter

触发词要求：

• 选择触发词时，请注意以下几点：
  • 它应该是独特的，比如 MY_UNIQ_TRGGR。想象“个性车牌”，但不限长度。
  • 它不应是任何语言中的现有词汇，如 dog 或 cyberpunk。
  • 不要使用 TOK，因为如果你想 将其与其他微调组合，它会发生冲突。
  • 大小写无关紧要，但大写字母可以帮助你在提示词中将触发词与其他文本区分开来。

  对于我的 zeke/ziki-flux 微调，我选择了 ZIKI 作为触发词。简短、独特且容易记住。

  确定好触发词了吗？记住它，你将在下一步中使用它。

例如，作者在示例中使用了 “ZIKI” 作为触发词，你可以根据自己的喜好选择类似的唯一字符组合。

步骤 3: 创建并训练模型

接下来，你将在 Replicate 平台上上传训练图片并开始训练模型。你可以选择使用网页形式进行训练，或者通过 API 来自动化处理。

网页训练步骤：

1. 访问 Flux 微调表单。
2. 选择模型发布位置：你可以选择将微调后的模型发布为公共或私有。
3. 上传训练图片：在 input_images 字段中，上传之前创建的 data.zip 压缩包。
4. 输入触发词：在 trigger_word 字段中，输入之前选择的唯一触发词。
5. 选择训练步数：默认设置为 1000 步，少于此数量可能无法很好地学习图片中的概念，超过 1000 步则可能浪费时间和成本。
6. 点击 Create training 开始训练。

步骤 4: 等待训练完成

训练过程非常快，但仍需几分钟。如果你使用十张图像和1000步，整个过程大约需要20分钟。利用这段时间起身离开电脑，伸展一下手脚，喝点水等。

回来后，你的模型应该就准备好了。

步骤 5: 使用网页生成图像

当训练完成后，你的微调模型已可以使用。通过网页表单输入提示语句，生成图像。

1. 访问 Replicate 平台 的 web playground。
2. 输入提示语：在提示中包含你之前设置的触发词。例如：
   arduino

   复制代码

   "photo of ZIKI looking super-cool, riding a segway scooter"


   FLUX 模型对于详细的提示语效果更好，所以尽可能提供更多的描述。