Fizgig – 現代の生成モデルのための LoRA とファインチューニングスタジオ

概要

Fizgig は、デスクトップ＋ウェブアプリケーションで、単一のコンシューマーグレード GPU（最低 8 GB）またはレンタルしたクラウド GPU 上で生成 AI モデルをトレーニング、ファインチューニング、編集できます。LoRA（低ランク適応）ワークフローに焦点を当てていますが、フルモデルのファインチューニング、「LoKR」トレーニング、および単一のダイヤルで 2 つの視覚スタイルをブレンドできる特別な「スライダー/編集」LoRA もサポートしています。

主な機能

機能	得られるもの	重要な理由
マルチモデルサポート	Flux 2 Klein 9B、Krea 2、MiniMax H3、Qwen Image 2.1、Z-Image Turbo、SDXL、Anima、ACE-Step 1.5 XL	2023-24 年にリリースされた最も人気のある画像、動画、音楽生成モデルをカバーします。
LoRA 作成と修復	LoRA のトレーニング、ブロック単位での編集、ドナーのブレンド、ComfyUI 用のすぐ使える .safetensors のエクスポート。	LoRA が少しずれている場合に再トレーニングする手間を省きます。
スライダー/編集 LoRA	2 つの外観（または再照明などの編集）の間のスライダーとして強度を持つ単一の LoRA。	スタイルや画像編集を直感的にリアルタイム制御できます。
フルファインチューニング	8〜16 GB のカードでベースモデル全体をトレーニング（ほとんどのモデルで実験的）。	LoRA では不十分な場合に基盤モデルをカスタマイズできます。
ワークベンチツール	Studio（ライブプレビューとスライダー）、LoRA Royale（エポックごとの視覚化）、Profiler（ブロックごとのアイデンティティ/スタイルレポート）、Extract（ランク削減）。	トレーニング後のユーティリティがすべて 1 か所にまとまっています。
自動データセットキュレーション	トレーニング中、トレーナーは画像ごとの損失を監視し、スロットルし、キャプションを再取得し、学習に寄与しなくなった画像を破棄します。	手動でのクリーニングなしでデータ効率が向上します。
クロスデバイス/クラウド実行	ローカル、同じネットワーク上の別の PC、または RunPod GPU でワンクリックで実行。QR コードでスマートフォンから実行を監視できます。	強力なワークステーションが不要になり、単一の実行のために GPU をレンタルできます。
プリセットとアダプター	モデル固有のプリセット、Qwen Image 2.1 と Z-Image Turbo 用のトレーニングアダプター、Krea 2 用の「Ultra モード」。	各モデルの面倒な設定作業を軽減します。
CLI とヘッドレスモード	すべてのトレーナーはスクリプト化可能で、UI なしで実行を開始できます。	パイプラインやリモートサーバーに統合できます。

仕組み（ハイレベル）

1. データを準備 – オプションのリサイズ、顔クロップ、外観一貫性フィルター。
2. キャプション – シンプルなトリガーワードキャプションまたは Qwen-3-VL / Florence-2 を使用した AI 生成キャプション。
3. モデルとプリセットを選択 – UI が適切なトレーニングアダプターと VRAM 対応設定を読み込みます。
4. トレーニングを開始 – トレーナーが VRAM を監視し、精度/ブロック単位を切り替え、後続の実行をキューに入れます。
5. 結果を探索 – Studio スライダー、LoRA Royale エポックムービー、または Profiler を使用して、保持するエポックを決定します。
6. エクスポート – 保存された LoRA または完全なチェックポイントを ComfyUI や他のパイプラインに直接ドロップできます。

対象ユーザー

• アーティストやホビイスト – ラップトップや控えめなデスクトップで拡散モデルをカスタマイズしたい方。
• ミュージシャン（ACE-Step） – 自分の曲で LoRA をトレーニングしたい方。
• 研究者/開発者 – トレーニングスクリプトを書かずに LoRA ベースのスタイル転送、編集スタイル LoRA、またはフルファインチューニングをプロトタイプするための迅速な UI が必要な方。
• チーム – 共有のウェブアクセス可能なインターフェースと、時折の重い実行のためにクラウド GPU をレンタルする機能を希望するチーム。

インストールと要件

• GPU: NVIDIA RTX 30/40/50 シリーズ（または ROCm 対応 AMD Radeon）。最小 VRAM 8 GB（一部のモデルはフルファインチューニングに 10〜16 GB が必要）。
• OS: Windows 10/11 または Linux。
• Python: 3.10〜3.13。
• システム RAM: 32 GB 推奨。
• 提供されている install_fizgig.bat（Windows）または install_fizgig.py（Linux）でインストール。GPU を持たない方にはワンクリック RunPod デプロイも提供されています。

ライセンスとコミュニティ

• Apache 2.0 – 個人、学術、商用利用は無料。
• プロジェクトには寛容なライセンスのコンポーネント（kohya-ss、AI-Toolkit など）がバンドルされており、Hugging Face のモデルアダプターへのリンクが提供されています。
• Buy-Me-A-Coffee または GitHub Sponsors によるスポンサーシップは開発の持続に役立ちます。RunPod デプロイも作者をサポートします。

---

結論: Fizgig は、LoRA 作成、修復、フルモデルのファインチューニングをコンシューマーハードウェアにもたらすフル機能のオープンソーススタジオであり、洗練されたウェブ UI、自動データセット処理、シームレスなクラウド GPU 統合を備えています。生成モデルのカスタマイズに興味のある AI/ML 実践者にとって非常に適しています。