Сколько фото нужно для первой LoRA?

У этого вопроса нет одной магической цифры. Количество фото для первой LoRA зависит от цели, качества датасета и того, что именно вы хотите получить на выходе. Одно дело — быстро протестировать механику и понять, как вообще работает обучение. Другое — собрать стабильную LoRA, которая держит лицо, одежду, мимику и не разваливается на разных промптах.

Новички часто ищут один точный ответ: 20, 50 или 100 фото. Но на практике правильнее мыслить не так. Важнее задать себе другой вопрос: что именно должна уметь ваша первая LoRA? Только узнаваемое лицо в портретах? Лицо плюс одежда? Полный рост? Разные эмоции? Работа в нескольких workflow? Использование в видео и img2img? От этого и зависит объём.

Если вы ещё только входите в тему, сначала полезно понять что такое LoRA и зачем она нужна. Тогда и вопрос про количество фото становится понятнее: LoRA учится не “человеку целиком”, а закономерностям в вашем датасете. И вот тут качество набора кадров важнее слепого количества.

Короткий ответ по диапазонам

• 10–20 качественных фото — чтобы сделать тестовую LoRA и понять механику обучения.
• 20–40 фото — уже нормальный стартовый диапазон, если датасет чистый и задача узкая.
• 50–100 фото — хороший рабочий диапазон для более стабильной LoRA, особенно если важны лицо, одежда, мимика и разные ракурсы.
• 150–300 фото — имеет смысл для более серьёзной, “долгоиграющей” LoRA, если вы реально контролируете качество всех кадров и хотите использовать её в разных сценариях.

Главная мысль: для первой LoRA почти всегда лучше не “набить побольше”, а собрать меньше, но чище.

Почему нет одной правильной цифры

LoRA учится на том, что вы ей показываете. Если вы дали 20 хороших кадров с понятной внешностью, чистым светом и нормальной вариативностью, это может дать лучший старт, чем 120 фото, где намешаны фильтры, пересвет, темнота, шум, скрины из сторис, странные ракурсы и пережатые картинки.

Поэтому число кадров нельзя отрывать от контекста. 30 хороших фото часто сильнее 100 мусорных. Особенно на первом обучении, когда ваша задача — не выиграть конкурс датасетов, а понять причинно-следственную связь: какие фото модель запоминает хорошо, от чего ломается лицо, почему начинает плыть мимика и откуда берётся пластиковый результат.

Что дают 10–20 фото

Это нормальный диапазон для первой тестовой LoRA. Такой набор подходит, если вы хотите:

• проверить сам пайплайн обучения;
• понять, как модель реагирует на ваш датасет;
• оценить базовую узнаваемость лица;
• не тратить слишком много времени и денег на первый прогон.

Но у такого объёма есть предел. Обычно 10–20 фото хватает, чтобы понять механику, но не всегда хватает, чтобы устойчиво держать сложные детали: необычную мимику, причёску под разными углами, одежду, эмоции, полный рост или сложные позы.

Именно поэтому стартовый тест и “рабочая LoRA” — не одно и то же. Первая нужна, чтобы научиться. Вторая — чтобы реально использовать.

Когда 20–40 фото уже достаточно

Это хороший диапазон для первой вменяемой LoRA, если вы не ставите задачу “пусть умеет всё”. Например, если вам нужна в основном узнаваемая внешность в портретах и полупортретах, без экстремальных эмоций и без попытки покрыть все возможные сцены сразу.

При таком объёме уже можно собрать датасет разумно:

• крупные планы лица;
• по пояс;
• несколько кадров в полный рост;
• нейтральное выражение лица;
• улыбка, лёгкая эмоция, поворот головы;
• разные, но не хаотичные условия света.

Для новичка это часто лучший компромисс. Вы ещё не утонули в огромном датасете, но уже даёте модели не один и тот же кадр, а нормальную выборку признаков.

Почему 50–100 фото часто называют лучшим рабочим диапазоном

Если вы хотите, чтобы LoRA не просто “примерно узнавала человека”, а стабильнее держала лицо, детали одежды и характерные особенности, диапазон 50–100 фото обычно выглядит намного увереннее.

Особенно это чувствуется, когда вам важны:

• разные эмоции;
• разные ракурсы головы;
• полупрофиль и профиль;
• варианты волос и освещения;
• одежда, аксессуары, детали образа;
• использование LoRA не в одном, а в нескольких workflow.

Новички часто удивляются: “Почему лицо вроде похоже, а на смехе, грусти или сильной мимике всё ломается?” Ответ обычно в датасете. Если эмоций и ракурсов нет в обучении, модель не угадывает их магически. Она начинает достраивать их сама — и именно тогда появляются пластиковые лица, странные глаза, жёсткая кожа и ощущение нейросеточной “резины”.

Если у вас уже была такая проблема, полезно отдельно посмотреть, почему первая генерация выглядит пластиковой. Очень часто причина начинается не в sampler и не в CFG, а гораздо раньше — на уровне датасета.

Когда действительно нужны 150–300 фото

Большой датасет нужен не всем. Но он имеет смысл, если вы хотите:

• использовать LoRA долго и в разных сценариях;
• получать стабильность на разных промптах;
• покрыть много мимики, поз и планов;
• использовать LoRA в нескольких workflow;
• работать не только с портретами, но и с полным ростом, одеждой, движением, видео-сценами.

Но здесь есть важный нюанс. 150–300 фото полезны только тогда, когда вы умеете чистить датасет. Если просто бездумно запихнуть туда всё подряд, вы не усиливаете LoRA — вы размазываете её.

Большой датасет усиливает и плюсы, и минусы. Если там мусор, то мусора станет больше. Если там фильтры, шум, дикие отличия по цвету кожи, артефакты сжатия и плохая экспозиция, модель начнёт учить всё это как часть внешности.

Почему качество датасета важнее количества

Вот здесь чаще всего и лежит реальная причина плохой первой LoRA. Новичок думает: “Сейчас докину ещё 40 фото, и всё станет лучше”. Но если новые фото плохие, результат часто становится только грязнее.

Плохой кадр — это не просто слабая польза. Это активный вред.

Особенно опасны:

• сильные фильтры из соцсетей;
• мыло и шум от тёмной съёмки;
• артефакты сжатия;
• скрины и пересжатые пересохранения;
• странный цвет кожи из-за обработки;
• искажённые широкоугольные селфи;
• повторы почти одного и того же кадра десятками.

На практике это выглядит так: модель начинает считать шум, жёсткую ретушь, перешарп или странный оттенок кожи частью самого человека. Потом вы удивляетесь, почему генерация выглядит не живой, а “лакированной”.

Именно поэтому для первой LoRA полезнее 25–40 действительно хороших кадров, чем 120 случайных картинок из галереи.

Что должно быть в хорошем первом датасете

Если говорить по-человечески, модель должна увидеть человека с разных, но понятных сторон. Не хаос и не “всё подряд”, а управляемое разнообразие.

Для первой LoRA обычно полезно покрыть:

• крупные портреты;
• кадры по пояс;
• несколько полных ростов;
• прямой ракурс;
• полупрофиль;
• лёгкий профиль;
• нейтральное лицо;
• улыбку;
• 2–3 другие естественные эмоции;
• нормальный дневной свет и мягкий комнатный свет.

Если ваша цель — именно лицо, не надо перегружать датасет кучей сложных поз, экшена и экстремальных сцен. Если цель — персонаж целиком, тогда, наоборот, одного лица мало: модель начнёт угадывать тело и одежду хуже, чем вам хотелось бы.

Частая ошибка: “запихнуть всё подряд”

Это одна из самых типичных ошибок новичков. Кажется логичным: чем больше фото, тем лучше. Поэтому в датасет летит всё: хорошие фото, плохие фото, селфи ночью, фото из машины, пережатые сторис, кадры с фильтрами, старые фото с другим лицом, скрины из видео, случайные эмоции и непонятные углы.

Результат предсказуемый: LoRA начинает учить не “вашего персонажа”, а смесь внешности, шума, обработки и случайных искажений.

Поэтому перед первым обучением полезно делать не только сбор, но и отбор. Удалять мусор — это не занудство, а часть тренировки.

Нужны ли captions и помогут ли они, если фото мало

Да, captions помогают. Но и здесь новички часто уходят в крайности. Либо вообще ничего не подписывают, либо пишут слишком длинные, перегруженные описания, где больше слов, чем пользы.

Для первой LoRA логика простая:

• caption должен помогать модели понять, что на фото важно;
• он не должен превращаться в роман на пять строк;
• автокапшенинг экономит время, но не заменяет ручную проверку.

Это особенно важно, если вы делаете большой датасет. Автоматические captioning-инструменты сильно ускоряют работу, но не всегда попадают в суть кадра идеально. Поэтому хороший процесс обычно такой: сгенерировать подписи автоматически, а потом пройтись руками и поправить критичные места.

Если датасет большой, это уже почти обязательная гигиена, а не “опция для перфекционистов”.

Когда маленький датасет лучше большого

Есть ситуации, где маленький аккуратный датасет — это вообще лучший выбор:

• вы делаете первую LoRA и учитесь на практике;
• цель — просто стабильное узнаваемое лицо;
• вы ещё не уверены в captioning и чистке;
• у вас нет времени разбирать 150 фото вручную;
• вы не хотите тратить лишние деньги на долгие прогоны ради сомнительного качества.

В таком случае старт с 20–40 чистых фото часто оказывается намного умнее, чем героическая попытка сразу собирать “профессиональные 300”. Сначала вы должны научиться видеть, от чего LoRA улучшается, а от чего портится.

Если вам важен ещё и бюджет старта, посмотрите материал можно ли сделать первую LoRA вообще бесплатно. Для первой тренировки это особенно актуально: лучше сделать один понятный, аккуратный прогон, чем дорого ошибиться на сыром датасете.

Как собрать первую LoRA без лишней боли

Рабочая логика для новичка обычно такая:

• 1. Сначала определите цель: лицо, лицо + одежда, полный рост или подготовка под видео.
• 2. Соберите 20–40 фото как первый чистый набор.
• 3. Удалите всё шумное, пережатое, фильтрованное и кривое.
• 4. Проследите, чтобы были разные ракурсы и эмоции, но без хаоса.
• 5. Сделайте нормальные captions или хотя бы проверьте автосгенерированные вручную.
• 6. Обучите тестовую LoRA и посмотрите, где именно она ломается.
• 7. Только после этого расширяйте датасет до 50–100 фото, если реально видите, чего не хватает.

Это намного полезнее, чем сразу бросаться в огромный датасет без понимания, какие кадры вообще работают на результат.

Когда лучше делать не одну большую LoRA, а несколько

Ещё одна важная мысль: иногда проблема не в том, что фото мало. Проблема в том, что вы пытаетесь одной LoRA покрыть слишком разные задачи сразу. Например: и портреты, и полный рост, и fashion, и NSFW, и мимику под видео, и ещё несколько разных стилей.

В такой ситуации одна огромная LoRA может стать “размытой”. Поэтому иногда разумнее разделять задачи. Если вам это близко, почитайте почему иногда советуют делать не одну LoRA, а сразу несколько. Это часто спасает от желания впихнуть в один датасет целую вселенную.

Вывод

Для первой LoRA не существует одной святой цифры. Но если нужен практичный ориентир, то:

• 10–20 фото — для теста механики;
• 20–40 — хороший чистый старт;
• 50–100 — сильный рабочий диапазон;
• 150–300 — уже история для более серьёзной и хорошо вычищенной сборки.

Самое важное — не гнаться за количеством любой ценой. LoRA становится сильнее не тогда, когда вы добавили ещё 50 случайных картинок, а тогда, когда вы дали ей понятный, чистый и логично собранный датасет.

Если нужен простой ориентир извне, даже в практических гайдах по fine-tuning LoRA обычно стартовый вход описывают как набор от примерно 10 изображений, но это именно порог для запуска, а не обещание сильного результата. Поэтому к первой LoRA лучше относиться как к учебному запуску: сначала понять механику, а потом наращивать объём осознанно.

А если вы хотите меньше хаоса на старте, полезно ещё до обучения решить, что именно вы тренируете: просто узнаваемое лицо, полноценного персонажа или заготовку под несколько разных workflow. Тогда и вопрос “сколько фото нужно” становится не гаданием, а нормальным рабочим решением. ✅

Для дополнительного ориентира по стартовым изображениям и fine-tuning можно посмотреть практический гайд Replicate по fine-tuning Flux.