Comment j'ai automatisé la création d'autocollants pour les réseaux sociaux : entraînement local d'un LoRA de style pour SD 1.5 sur 30 images
Stability AI
Google/DeepMind
OpenAI
Salesforce
Un passionné a construit un pipeline contrôlé pour entraîner un LoRA de style sur Stable Diffusion 1.5 à partir de 30 autocollants VK choisis à la main, visant à préparer des packs d'autocollants cohérents. Ils ont utilisé un jeton de déclenchement personnalisé 'vkstckrs' et automatisé le remplacement de l'arrière-plan et le sous-titrage avec des scripts Python générés par IA à partir de Gemini 3.1 Pro et ChatGPT 5.6.
L'auteur a rencontré le problème de générer des illustrations cohérentes pour des packs de stickers avec le prompt engineering, ce qui est difficile, et a donc décidé d'entraîner un LoRA de style sur Stable Diffusion 1.5. SD 1.5 a été choisi pour ses faibles exigences matérielles et son écosystème étendu, malgré ses limitations dans la compréhension de descriptions complexes. Le jeu de données comprenait 30 stickers sélectionnés manuellement sur stickersvk.com, avec un sticker par pack afin d'éviter que le modèle ne mémorise des personnages ou des auteurs spécifiques ; les images avec du texte, des poses complexes ou des styles déviants ont été exclues. Ils ont utilisé un token déclencheur 'vkstckrs' pour activer les caractéristiques apprises lors de la génération. Gemini 3.1 Pro a écrit un script Python pour remplacer les arrière-plans transparents par du blanc et les enregistrer en JPG, tandis que ChatGPT 5.6 a généré des légendes en utilisant BLIP, un modèle de légendage d'images pré-entraîné. L'auteur a souligné que le modèle a été entraîné uniquement à des fins éducatives, que les images ont été supprimées après l'entraînement et qu'aucune utilisation commerciale n'est prévue.
Source: Habr — хаб ИИ —
original