shootthesound/Fizgig

解决的问题

Fizgig 是一个全面的 LoRA 模型训练与优化工作台，专为特定 AI 图像和视频生成器设计。它解决了常见的「过度训练」或不完美的 LoRA 问题，提供工具可在无需完整重新训练的情况下修复、变异和比较 LoRA 模型。

如何工作

该软件提供一个快速且显存高效的训练器，支持 Flux 2 Klein 9B、Krea 2 和 MiniMax H3 模型。通过块交换、量化（INT8、NF4、4-bit HQQ）和权重平均（EMA）等技术，可在仅 8GB 至 16GB 显存的消费级 GPU 上进行训练。除了训练功能外，还包含一系列后处理工具「工作台」：

• Repair Studio：通过滑块逐块调整 LoRA，修复身份或风格问题。
• LoRA the Explorer：利用进化变异探索新的 LoRA 变体。
• LoRA Royale：在单个种子上渲染多个训练周期，通过交叉淡入淡出找到最佳版本。
• Profiler：生成 HTML 报告，识别哪些块承载了风格或身份特征。
• Extract：将 LoRA 降阶以提升效率。

适用人群

希望在照片、视频、声音和语音上微调模型，且需要对最终输出进行精确控制，但又不想承担专业级硬件开销的 AI 艺术家和开发者。

主要亮点

• 低显存需求：在 8GB～16GB 的消费级 GPU 上训练高达 330 亿参数的大模型。
• 训练后修复：无需重新训练，即可逐块修复损坏的 LoRA。
• 多模态支持：支持 MiniMax H3 的图像、视频片段以及音频/语音录音的训练。
• 数据集整理：Krea 2 的实验性功能可检测问题图像，并在运行中自动重写卡住的图像标题。
• 完整微调：可直接训练基础模型，再将结果提炼为可共享的 LoRA。