4.7 Kiedy LoRA jest błędem

Rozdział 4.2 nazwał LoRA celem. Chodziło o możliwości, nie o moment. Trening niewłaściwej persony — albo trening w niewłaściwym momencie — kosztuje weekend i daje artefakt, którego nie użyjesz.

Pięć sytuacji, w których odpowiedzią nie jest trening.

Po pierwsze: persona jest eksperymentem

Jeśli sprawdzasz, czy konto w ogóle działa — nisza, głos, format — nie masz jeszcze persony. Masz hipotezę.

Trening utrwala to, jak twarz wygląda dzisiaj. Jeśli nisza zmieni się za trzy tygodnie, twarz zmieni się razem z nią, a przebieg treningu poszedł na marne. Trenuj wtedy, gdy wiesz, że postać zostaje.

Zamiast tego: ścieżka referencyjna z 4.2. Adapter, plate i dość spójności, żeby przeprowadzić eksperyment. Trening to nagroda za personę, która przetrwała pierwszy miesiąc, nie opłata wstępna.

Po drugie: nie ma jak uruchomić treningu

Karta 12 GB, brak zgody na wynajem i brak hostowanego trenera oznaczają, że trening nie jest dziś dla ciebie dostępny — a to powód, żeby zmienić metodę, nie żeby porzucić personę.

Zamiast tego: PuLID albo IPAdapter FaceID na rodzinie, której już używasz, plus model edycyjny oparty na referencji do zmian sceny. Taki zestaw trzyma twarz wystarczająco dobrze, żeby publikować i zarabiać, gdy odkładasz na tier z 3.3 albo wydajesz $2 na hostowany przebieg [AS OF 2026-10]. Arytmetyka z rozdziału 4.3 nadal się zgadza, ale stosuje się później, a nie wcale.

Tryb awarii, którego trzeba uniknąć, jest pośrodku: spędzanie każdego wieczoru na walce z adapterem zamiast jednego popołudnia na zdobycie tieru treningowego. $2 do $14 to nie problem budżetu. To problem priorytetu.

Po trzecie: potrzebujesz skrajnego zakresu stylistycznego od razu

Wytrenowana LoRA to silny prior. Ciągnie każdą generację w stronę konkretnego wyglądu swojego datasetu: jego światła, kadru, korekcji barwnej, renderowania skóry w obrazach źródłowych. To przyciąganie jest dokładnie tym, co trzyma tożsamość — i dokładnie tym, co czyni niektóre persony trudnymi do wytrenowania.

Jeśli koncept twoich treści wymaga tej samej twarzy w skrajnie różnych oprawach wizualnych od pierwszego tygodnia — ilustracja, film noir, hipernasycony styl uliczny, analogowe ziarno — sztywność LoRA będzie się z tobą bić w każdej klatce.

Zamiast tego: adapter plus model edycyjny, który ma szerszy zakres stylistyczny, bo tożsamość mieszka w referencji, a nie w wagach. Przyjmij niższy pułap spójności tożsamości w zamian za zakres. Jeśli zakres potem zawęzi się do stylu domu — a zwykle zawęża się, bo publiczność nagradza spójność — trenuj wtedy, na zawężonym stylu.

Jedno zastrzeżenie warte utrzymania: zakres stylistyczny i spójność tożsamości wymieniają się nawzajem. Operator, który chce obu na maksimum, prosi o coś, czego architektura nie daje, a rozdział 5.2 to miejsce, w którym tę wymianę prowadzi się świadomie.

Po czwarte: planujesz często zmieniać model bazowy

Trening to zakład, że baza zostaje na miejscu. Każda zmiana bazy oznacza ponowny trening, bo adapter należy do swojej bazy — pułapka z 4.5.

Jeśli planujesz gonić każdy nowy model, gdy się pojawi, koszt treningu to nie $2 do $14 raz. To $2 do $14 plus popołudnie na przegląd datasetu plus godzina QA, powtarzane co miesiąc, z twarzą, która za każdym razem lekko się przesuwa. To niestabilność kupowana w cenie subskrypcji.

Zamiast tego: wybierz bazę świadomie, zobowiąż się do niej na określony okres i traktuj rotację bazy jak projekt, który opisuje 12.4. Wybierz bazę jak platformę, nie jak zakup.

Po piąte: persona nie ma życia komercyjnego

Nie każdy eksperyment zasługuje na artefakt. Persona testowa na dwutygodniowy sprint treści, postać w kampanii, która się kończy, twarz wygenerowana do zilustrowania jednego artykułu.

Zamiast tego: ścieżka referencyjna i tak już zostaw. Miara jest prosta: jeśli persona nie ma ścieżki przychodu ani zaplanowanego życia poza bieżącym miesiącem, nie trenuj.

Tabela decyzyjna

Czego trening nie naprawi

Cztery problemy zrzuca się na metodę tożsamości, a nie są problemami tożsamości.

Ciągłość garderoby i scenografii. Kurtka, która w każdym poście wygląda inaczej, to system referencji z rozdziału 5.4. LoRA nie ma zdania o ubraniach.

Ciągłość światła. Jeśli połowa twoich postów jest ciepła, a połowa niebieska, feed czyta się jako niespójny, niezależnie od tego, jak dobrze trzyma się twarz. To zarządzanie kolorem, w 5.5.

Spójność na poziomie marki. Kolor, kadrowanie, głos podpisów, rytm publikowania. LoRA utrzymuje jedną twarz rozpoznawalną; nie sprawia, że konto wygląda jak jedno konto — a to rozdział 5.6.

Warsztat promptowy. Doskonale wytrenowana tożsamość przed mglistym promptem nadal daje generyczne obrazy. LoRA usuwa zmienną tożsamości. Nie dostarcza kompozycji.

Cel: dwie warstwy, wyraźnie rozdzielone

Niezależnie od tego, czy trenujesz teraz, czy za pół roku, kończysz w tej samej architekturze. Warto powiedzieć to wprost, bo rozwiązuje większość zamieszania w tej części książki.

Warstwa pierwsza — tożsamość. Twarz. Trzymana przez wytrenowaną LoRA, gdy ją masz, a przez reference plate i adapter, gdy nie masz. Jej zadaniem jest być stała, a jej ustawienia są zamrożone.

Warstwa druga — scena. Strój, miejsce, światło, poza, rekwizyt, pora roku. Obsługiwana przez model edycyjny sterowany instrukcją albo przez generację warunkowaną referencją. Jej zadaniem jest być zmienna, a działa na pikselach, na których tożsamość jest już ustalona.

Reguły współdziałania:

• Najpierw tożsamość, potem scena. Zawsze. Odwrócenie kolejności losuje twarz od nowa (4.2).
• Obniż siłę tożsamości, zanim obniżysz siłę sceny, gdy obie się kłócą. Scena jest odzyskiwalna; twarz nie.
• Nigdy nie pozwól warstwie sceny wprowadzać opisu twarzy. Prompt, który edytuje strój, nie może też opisywać twarzy: to błąd captioningu z 4.5, wchodzący frontowymi drzwiami.
• Reference plate rozstrzyga. Gdy warstwy się nie zgadzają, decyduje plate, a nie wynik, który podoba ci się najbardziej.

Dojdź do tego podziału, a tożsamość przestanie być powracającym stanem wyjątkowym. Stanie się skonfigurowaną warstwą, która od czasu do czasu wymaga konserwacji.

Wycofywanie i rebranding tożsamości

Jeszcze jeden przypadek: persona, która zmienia się celowo. Zwrot, rebranding, zamierzone postarzenie, korekta po problemie ze spójnością tożsamości.

Traktuj to jak projekt, bo nim jest:

1. Zdecyduj, czy zmiana jest konieczna, czy tylko atrakcyjna. Ciągłość publiczności to aktyw.
2. Najpierw zaktualizuj reference plate, potem dataset, potem wytrenuj ponownie.
3. Przeprowadź pełną baterię z 4.6 na nowej wersji przed publikacją.
4. Zapisz datę wycofania starej wersji i to, które assety jej użyły — rejestr ujawnień w 11.3 zależy od wiedzy, co i kiedy zostało opublikowane.
5. Spodziewaj się zawirowań w zaangażowaniu przez dwa do czterech tygodni. Publiczność zauważa zmianę twarzy, nawet gdy nie umie powiedzieć, co się zmieniło.

A w przypadku portfolio: jedna persona, jeden dataset, jeden adapter. Nie trenuj dwóch twarzy w jednej LoRA, żeby zaoszczędzić jeden trening. Adapter ma skończoną pojemność, a dwie tożsamości w jednym artefakcie oznaczają, że każda dostaje mniej i wzajemnie się zakłócają: to dokładnie ten mechanizm, który wytwarza dryf, o którym czytasz od siedmiu rozdziałów.

Gdzie to się psuje

Trening, zanim persona jest udowodniona. Zamieniłeś hipotezę w artefakt.

Traktowanie $2 jak bariery. To nie koszt; to decyzja.

Wpychanie sztywnej LoRA w koncept ciężki stylistycznie. Narzędzie walczy z briefem.

Gonienie modeli bazowych co miesiąc i nazywanie tego iteracją. To churn z niestabilną twarzą.

Oczekiwanie, że LoRA naprawi problemy ciągłości, których nie widzi. Garderoba, światło i ton to różne warstwy.

Scalanie dwóch person w jeden adapter. Obie wychodzą gorsze.

Bramka

1. Która z pięciu sytuacji „nie trenuj" dotyczy ciebie, jeśli w ogóle?
2. Jeśli trenujesz: czy persona jest udowodniona, baza ustalona, a wolumen realny?
3. Czy rozdzieliłeś tożsamość od sceny jawnie w swoim pipeline?
4. Gdy obie warstwy się kłócą, którą obniżasz — i czy jest to zapisane?
5. Ile person prowadzisz i czy każda ma własny adapter?

Z czym wychodzisz

Pięć sytuacji, w których trening jest złym ruchem, i co zrobić zamiast niego, tabela decyzyjna, która odpowiada na to pytanie twoimi własnymi liczbami, cztery problemy, których trening nie naprawi, dwuwarstwowa architektura, do której dochodzi każdy operator, wraz z regułami współdziałania, oraz procedura wycofania persony, która zmienia się celowo. Część V bierze tożsamość, którą teraz masz, i buduje wokół niej produkcję.