ضبط LoRA الدقيق لـ Stable Diffusion: ميكانيكا نماذج NSFW مخصصة

قضيت ثلاثة أيام محبطة أحاول تخصيص نموذج Stable Diffusion لنوع جسم ووضعية محددين للغاية العام الماضي. كانت طريقة الضبط الدقيق الكاملة تُعطل GPU الخاص بي وتمحو كل ما يعرفه النموذج الأساسي عن الإضاءة والتكوين. ثم جربت ضبط LoRA الدقيق لـ Stable Diffusion بدلاً من ذلك. حتى مايو 2026 لا تزال التقنية تهيمن لأنها تُجمد الأوزان الأصلية وتضيف فقط مصفوفات تدريبية صغيرة. تظهر التحليلات من أواخر 2025 أنها تقلل المعلمات القابلة للتدريب بنسبة تزيد عن 99%. ما كان يستغرق أياماً أصبح الآن ينتهي في أقل من ساعتين على RTX 4090 واحدة. يحصل المبدعون أخيراً على وجوه وأجسام ووضعيات إيروتيكية فائقة الدقة دون تدمير المعرفة العامة للنموذج.

الفكرة الأساسية أنيقة. بدلاً من تحديث مصفوفة الوزن الكاملة W، يقارب LoRA التغيير كحاصل ضرب مصفوفتين أصغر بكثير: ΔW = BA. B طويلة ورفيعة، وA قصيرة وعريضة، ورتبتها r تبقى صغيرة عمداً—غالباً بين 8 و64. تعمل هذه الحيلة منخفضة الرتبة بشكل مدهش مع نماذج الانتشار لأن معظم التحديثات المهمة تعيش في فضاء منخفض الأبعاد. يقيس Alpha المخرجات حتى لا يطغى المحول على القاعدة المجمدة. النتيجة تبدو سحرية تقريباً: تدرب جزءاً ضئيلاً من المعلمات ومع ذلك تلتقط تفاصيل دقيقة مثل منحنى الورك المحدد أو ثنيات الملابس الداخلية الدانتيل.

تُدرج وحدات LoRA في طبقات الاهتمام المتقاطع لـ U-Net ومشفر النص. هذا الموضع مهم. تتحكم هذه الطبقات في كيفية ترجمة النصوص إلى ميزات بصرية، لذا يُحسّن LoRA المدرب جيداً الالتزام بالـ prompts لمشاهد إيروتيكية محددة جداً دون لمس بقية الشبكة. بما أن الأوزان الأساسية تبقى مجمدة، يحتفظ النموذج بفهمه الواسع للتشريح والإضاءة والتكوين. يمكنك طلب "امرأة في تلك الوضعية بالضبط ترتدي فقط روب حريري مفتوح" ويتولى المحول التفاصيل المخصصة بينما يوفر النموذج الأساسي كل شيء آخر. هذا الفصل هو ما يجعل دمج عدة LoRAs لاحقاً يبدو طبيعياً وليس فوضوياً.

ابدأ بـ 10–30 صورة مختارة بعناية لنوع الجسم أو الوضعية أو الزي الذي تريده بالضبط. قصها بشكل متسق، واكتب لها تعليقات توضيحية بالتفاصيل التي تهتم بها، ثم أدخل المجموعة إلى Kohya_ss. تشمل الإعدادات النموذجية للمحتوى البالغ رتبة 32، وalpha 32، ومعدل تعلم حوالي 1e-4. تنتهي معظم التدريبات في 60–90 دقيقة على 4090. بمجرد أن تحصل على عدة LoRAs—واحد للوجه، وآخر للوضعية، وثالث للملابس الداخلية—يمكنك تحميلها معاً بقوى مختلفة. قدرة LoRA على تقديم تخصيصات دقيقة منخفضة التكلفة مباشرة في عملية الانتشار هي بالضبط ما يمكّن الصور والإطارات الفيديو الواقعية للغاية والمخصصة للمؤدين على منصات الذكاء الاصطناعي الحديثة. ضبط LoRA الدقيق لـ Stable Diffusion: نماذج NSFW مخصصة في ساعات يوضح بالضبط كيف تتوسع هذه المحولات لتشمل مشاهد كاملة.