画像生成AIの世界において、LoRA（Low-Rank Adaptation）モデルの追加学習（ファインチューニング）は、特定の画風、キャラクターの容姿、独自の衣装、斬新なビジュアルコンセプトを高精度に再現するための最も有力な手段です。しかし従来の手法では、LoRAの学習には極めて高いハードウェアスペックが求められました。Stable Diffusion 1.5の学習ですら相応のビデオカードが必要であり、SDXLやPony Diffusion、さらには最新のFlux.1 Devなどの巨大なモデルを学習する場合、16GB〜24GB以上の大容量VRAM（GPUメモリ）が不可欠となります。加えて、複雑なPython環境、CUDAドライバ、PyTorchの依存関係、Kohyaスクリプトの設定など、技術的な参入障壁も存在していました。
Civitaiが提供するブラウザ完結型の**オンサイトLoRAトレーナー（On-Site LoRA Trainer）**は、こうしたハードウェアおよび環境構築の制約を根本から取り除きます。高価なゲーミングPCや専用クラウドサーバーを用意することなく、Webブラウザ上で画像データセットをアップロードし、パラメータを指定するだけで、Civitaiの強力なクラウドリモートGPUを活用して学習を実行できます。学習費用はプラットフォーム内通貨「Buzz」で決済され、生成された.safetensorsファイルはローカル環境（ComfyUIやWebUI）へのダウンロードはもちろん、CivitaiのWeb生成ツールへ直接公開して利用することも可能です。
Civitai Buzzの仕組みとクラウド学習コスト
Civitaiのクラウド学習は、リモートGPUの計算リソースの対価としてプラットフォーム内ポイント「Buzz」を消費します。通貨システムを正しく理解することで、極めて低コスト、あるいは完全無料でLoRAを作成できます。
ブルーBuzzとイエローBuzzの違い
CivitaiのBuzzには2つの種類が存在します：
- ブルーBuzz（コミュニティ報酬ポイント）： 日常的なプラットフォーム利用を通じて完全無料で獲得できます。画像ジェネレーターでの毎日のログインボーナス、コミュニティ投稿へのリアクションやコメント、モデルレビューの投稿、公開画像へのエンゲージメント獲得などが該当します。LoRAの学習を実行する際、システムは手持ちのブルーBuzzを最優先で自動消費します。
- イエローBuzz（有償・流通通貨）： Civitai.comでの暗号資産決済やCivitai.Greenでのクレジットカード決済により購入可能なほか、賞金タスクやミニゲーム（Knights of the New Order）で獲得できます。クリエイターへのチップや有償リソースの利用にも使えます。
料金体系と学習コストの変動要因
学習コストは、選択したベースモデルのアーキテクチャ、学習ステップ数、設定パラメータによって算出されます：
- 標準ベースモデル（SD 1.5およびSDXL）： 基本的なパラメータ構成であれば、学習コストは約500 Buzzから始まります。
- 重量級・最新アーキテクチャ（Flux、動画生成モデル）： Flux.1 Dev、Flux.2 Dev、動画モデル（Hunyuan、Wan 2.1、LTX2）など、計算負荷の高いモデルは相応のBuzzが必要となります。
- カスタムベースチェックポイント： プリセットの公式ベースモデルではなく、Civitai上に投稿されている任意のカスタムモデルを学習ベースに指定する場合、専用GPUメモリへのチェックポイント読み込みオーバーヘッドが発生するため、追加のBuzz手数料がかかります。
- エポック数（Epoch）とリピート数（Repeats）： ステップ数が増加するほどBuzzの必要量もスライド式に増額されます。最終的なBuzzコストは送信前に画面上で正確に見積もり表示されます。
自動リトライと全額返金保証
学習ジョブにはセーフティ機能が組み込まれています。インフラ側の不具合で処理が失敗した場合、システムは最大3回まで自動リトライを実行します。完全に失敗した場合や48時間以上ジョブが停滞した場合は、消費されたBuzzがアカウントへ全額自動返金されます。
ステップ1：高品質な学習データセットの選定と準備
データセットの品質、被写体の多様性、解像度の適切さは、LoRAの仕上がりを決定づける最重要要素です。不鮮明な画像や構図の偏りは、どれほど優れたアルゴリズムを用いても補正できません。
画像選定の基本原則
- 適切な枚数： 10〜30枚の高品質画像を用意します。特定の人物キャラクターや単一オブジェクトであれば15〜25枚程度が最適です。抽象的な画風やアートスタイルの場合は、表現の幅を広げるために20〜35枚程度が推奨されます。
- アングルと光のバリエーション： 顔のアップ、バストアップ、全身ショット、正面・横顔・斜め・見上げ・見下ろしなど様々なアングルを取り入れます。背景、照明環境、表情、衣装もできる限り変化させてください。全て同じ背景や同一のポーズで揃えてしまうと、AIが背景やポーズまで被写体の一部と誤認（過学習）してしまいます。
- 解像度とフォーマット： 画像サイズは512×512から1536×1536ピクセル程度が適しています（最大2048×2048ピクセルまで）。対応形式は
.png、.jpg、.jpeg、.webpです。
データセットの4つの取り込み方法
Civitaiのトレーナーでは、以下の4通りの方法で画像を取り込めます：
- ZIPファイルの直接アップロード： 最も一般的な方法です。画像ファイルと、必要に応じて同名の
.txtキャプションファイルを単一の.zipにまとめてアップロードします。重要： 親フォルダごと圧縮せず、ファイル群を直接選択してZIP化してください。 - Civitaiジェネレーターからのインポート（Import from Generator）： オンライン画像生成機能で作成した未公開画像をそのまま取り込みます。
- プロフィール画像からの追加（Add from Profile）： 過去にCivitaiアカウントで公開投稿した画像ギャラリーから選択します。
- 過去のデータセット再利用（Re-use a Dataset）： Civitaiはアップロードされたデータセットを30日間保持します。同じデータセットを使って異なる設定で再学習させる場合、再アップロードの手間が省けます。
利用規約と同意事項
画像をアップロードする際、実在の人物が含まれている場合は「本人であること、または学習利用に関する明確な同意を得ていること」を誓約するチェックボックスが表示されます。また、データセットをモデルカード上で一般公開するか非公開にするかも選択可能です。
ステップ2：モデルに応じたキャプション（タグ付け）戦略
キャプションの役割は、AIに対して「何が背景や一時的な装飾であり、何が学習対象のコア概念であるか」を明確に区別させることです。Civitaiは2種類の自動タグ付け機能を搭載しています。
タグベース方式（WD Tagger 1.4）
カンマ区切りの短いキーワードで記述する方式です（例：triggerword, solo, 1girl, blue eyes, white shirt, studio background）。
- 適したモデル： Stable Diffusion 1.5、SDXL 1.0、Pony Diffusion V6 XL、Illustrious。
- 動作仕様： 「Auto Label」ボタンを押すと、WD Tagger 1.4が画像を解析し、Danbooru形式のタグを自動生成します。
- Prepend Tags（先頭トリガーワード）： 独自のトリガーワード（例：
mychar_alpha）を入力しておくと、すべての画像のキャプション先頭に自動で付与されます。 - 閾値とブラックリスト： 認識信頼度の閾値（デフォルト0.4）や、除外したい不要タグのブラックリスト設定が可能です。
自然言語キャプション方式（JoyCaption）
文法的に整った完全な文章で描写する方式です（例：A high-resolution portrait of an elf warrior with braided silver hair, wearing an ornate leather vest, standing against a sunset mountain ridge）。
- 適したモデル： Flux.1 DevおよびFlux.2 Dev。Fluxなどの最新モデルは大規模なT5テキストエンコーダーを採用しており、断片的な単語タグよりも自然な文章表現をより高精度に理解します。
- 動作仕様： Auto Label機能でCaptionモードを選ぶと、JoyCaptionが高精度な情景解説文を自動生成します。
キャプションなし学習（Captionless）
特定キャラクターではなく「筆致や水彩のタッチ、画風全体」を学習させたい場合は、テキストボックスを空欄にして学習させることも可能です。モデルは画像のすべての要素を画風スタイルとして包括的に学習します。
キャプション済みデータのバックアップ
ブラウザ上で自動タグ付けや手動調整を終えたら、上部の青緑色「Download」ボタンをクリックして、画像と.txtファイルが対になったZIPファイルをローカルPCに保存しておくことを強くおすすめします。
ステップ3：学習ウィザードの設定手順
データセットの準備が整ったら、学習設定ウィザードを進めます：
1. トレーナーの起動
Civitaiトップ右上の青い「Create」ボタンから「Train a model」（または「Train a LoRA」）を選択します。
2. モデルタイプの選択と命名
モデル名を入力し、タイプ（Character、Style、Conceptなど）を指定します。タイプに応じた最適な初期設定が自動適用されます。
3. データセットのアップロードとタグ確認
ZIPファイルをアップロードし、Auto Labelによるタグ付け、権利確認チェックを完了して「Next」をクリックします。
4. ベースモデルの選定
学習の土台となるベースモデルを選択します。エンジンは自動的に最適なものが割り当てられます：
- SD 1.5系統： Standard、Anime、Semi-Realistic、Realistic（Kohyaエンジン）。
- SDXL系統： 公式SDXL 1.0、Pony Diffusion V6 XL、Illustrious（Kohyaエンジン）。
- Flux系統： Flux.1 Dev、Flux.2 Dev、Flux2 Klein（AI-Toolkitエンジン）。
- その他画像モデル： Chroma 1.0 HD、Qwen-Image、ZImage（AI-Toolkitエンジン）。
- 動画モデル： Hunyuan 720p、Wan 2.1、LTX2（MusubiまたはAI-Toolkitエンジン）。
- カスタムモデル指定： サイト上の既存Checkpointを指定可能（追加Buzzが必要）。
5. 詳細設定と高速学習オプション
- Rapid Flux Training（高速Flux学習）： Flux.1 Dev選択時にトグルを有効化すると、5分未満の超高速学習が実行され、迅速なプロトタイプ検証が可能です。
- Sample Image Prompts（検証用プロンプト）： 詳細設定で最大3つのテストプロンプトを指定できます。各エポック終了時に自動でサンプル画像が生成され、学習の進み具合を一目で確認できます。
- Multi-Training（並列マルチ学習）： 最大5つの異なるパラメータ設定を同時に投入し、並列学習を実行できます。学習率やNetwork Rank、ベースモデルの違いを1度の操作で比較検証できます。
必要なBuzz見積もり額とキューの優先度を確認し、「Submit」をクリックします。
ステップ4＆5：進捗確認・エポック選定・モデル書き出し
送信完了後、バックエンドのGPUクラスタが学習処理を開始します。
学習進捗のモニタリング
アカウントの「Training」タブに遷移し、現在のステータス、完了予測時間（ETA）、逐次出力されるエポックごとの画像を確認できます。完了時には登録メールアドレスに通知が届くため、ブラウザを開いたまま待つ必要はありません。
最適なエポック（Epoch）の選定
学習結果はエポックが進むほど優れているとは限りません。サンプル画像を比較して最適なチェックポイントを見極めます：
- 学習不足（初期エポック）： 特徴の定着が弱く、既存のベースモデルに近い汎用的な画像が出力されます。
- スイートスポット（最適エポック）： 対象の特徴やスタイルが高精度に再現され、かつ様々な衣装や構図プロンプトに柔軟に対応できる状態です。
- 過学習（後期エポック）： コントラストが不自然に強調されたり、線画が崩れたり、プロンプトの指示を無視して学習元の背景やポーズを固定化してしまう現象が発生します。
Civitaiの管理画面では最大20エポック分のチェックポイントが表示されます。
モデルのダウンロードと公開
最適なエポックを特定したら：
- ローカルダウンロード： 該当エポックの
.safetensorsファイルをダウンロードし、ローカル環境のComfyUIやWebUIのLoRAフォルダに配置して使用します。 - Civitaiへの直接公開： 青い「Publish」ボタンを押すと、そのエポックをCivitai上のモデルとして即座に公開（または非公開保存）でき、Web上の画像生成ツールで呼び出せるようになります。
- 重要な注意点： 一度「Publish」を実行すると、その学習ジョブの検証画面には戻れなくなります。他のエポックも保管しておきたい場合は、公開ボタンを押す前に必ずローカルへダウンロードしてください。
30日間のデータ保持期間
Civitaiでは、未公開の学習済みモデルファイルおよびアップロードされたデータセットは30日間保持されます。保管期限が切れる前に必要なファイルをローカルに保存してください。
ローカル環境での学習とCivitaiクラウドトレーナーの比較
| 項目 | ローカルPCでのLoRA学習 | CivitaiクラウドLoRAトレーナー |
|---|---|---|
| 必要ハードウェア | 高性能GPU（VRAM 12GB〜24GB以上） | 不要（PC、Mac、タブレット、スマホのブラウザ） |
| 環境構築の手間 | Python、CUDA、PyTorch、Kohyaの導入が必要 | 不要（WebUIによるGUI操作のみ） |
| ベースモデル対応 | ローカルVRAMの容量上限に依存（Fluxは高負荷） | SD 1.5からSDXL、Flux、動画モデルまで完全対応 |
| コスト | 高価なハードウェア購入費および電気代 | 約500 Buzz〜（無料のブルーBuzzで充当可能） |
| 並列検証 | ローカルGPUの処理能力により順次実行のみ | Multi-Trainingで最大5つの設定を同時並列学習 |
| Webツール連携 | ローカル環境でWebUI等を別途運用 | 1クリックでCivitaiオンライン生成ツールに連携 |
学習成功率を高めるベストプラクティス
- 固有のトリガーワードを設定する： 一般的な英単語を避け、被写体専用の固有文字列（例：
zk_ignisやart_aetherwave）を定義して、既存の学習概念との干渉を防ぎます。 - 無料のブルーBuzzを賢く活用する： 毎日のログインやコミュニティ活動でブルーBuzzをストックしておくことで、実質費用ゼロで学習を繰り返すことが可能です。
- モデルの性質に合わせたタグ付けを行う： Flux系には自然言語文を用い、SDXLやPony系にはDanbooruタグを用いるルールを徹底してください。
- 中間エポックの汎用性を重視する： 最終エポックよりも、中盤（全12エポック中6〜10エポック付近）のモデルのほうがプロンプトへの追従性と再現性のバランスに優れる傾向があります。