Cara Saya Mengotomatiskan Pembuatan Stiker Media Sosial: Melatih LoRA Gaya Secara Lokal untuk SD 1.5 pada 30 Gambar

Penulis menghadapi masalah bahwa menghasilkan ilustrasi yang konsisten untuk paket stiker dengan rekayasa prompt itu sulit, sehingga mereka memutuskan untuk melatih LoRA gaya pada Stable Diffusion 1.5. SD 1.5 dipilih karena kebutuhan perangkat kerasnya yang rendah dan ekosistemnya yang luas, meskipun keterbatasannya dalam memahami deskripsi yang kompleks. Dataset terdiri dari 30 stiker yang dipilih secara manual dari stickersvk.com, dengan satu stiker per paket untuk menghindari model menghafal karakter atau penulis tertentu; gambar dengan teks, pose yang kompleks, atau gaya yang menyimpang dikeluarkan. Mereka menggunakan token pemicu 'vkstckrs' untuk mengaktifkan fitur yang dipelajari selama pembuatan. Gemini 3.1 Pro menulis skrip Python untuk mengganti latar belakang transparan dengan putih dan menyimpannya sebagai JPG, sementara ChatGPT 5.6 menghasilkan keterangan menggunakan BLIP, model pemberi keterangan gambar yang telah dilatih sebelumnya. Penulis menekankan bahwa model dilatih hanya untuk tujuan pendidikan, gambar dihapus setelah pelatihan, dan tidak ada penggunaan komersial yang dimaksudkan.