Fizgig – 面向现代生成模型的 LoRA 与微调工作室

它是什么

Fizgig 是一款桌面加网页应用，可让您在单块消费级 GPU（最低 8 GB）或租用的云 GPU 上训练、微调和编辑生成式 AI 模型。它专注于 LoRA（低秩适配）工作流，但也支持全模型微调、“LoKR”训练，以及特殊的“滑块/编辑”LoRA，可通过单个滑块在两种视觉风格之间混合。

核心功能

功能	您获得的内容	为何重要
多模型支持	Flux 2 Klein 9B、Krea 2、MiniMax H3、Qwen Image 2.1、Z-Image Turbo、SDXL、Anima、ACE-Step 1.5 XL	覆盖 2023-24 年发布的最流行的图像、视频和音乐生成模型。
LoRA 创建与修复	训练 LoRA、逐块编辑、混合捐赠者，并导出可直接用于 ComfyUI 的 .safetensors 文件。	当 LoRA 略有偏差时，无需重新训练。
滑块/编辑 LoRA	单个 LoRA，其强度作为两种外观之间的滑块（或诸如重新照明之类的编辑）。	提供直观、实时的风格或图像编辑控制。
全量微调	在 8-16 GB 显卡上训练整个基础模型（对大多数模型为实验性）。	当 LoRA 不够用时，可自定义底层模型。
工作台工具	Studio（实时预览和滑块）、LoRA Royale（逐 epoch 可视化）、Profiler（逐块身份/风格报告）、Extract（降秩）。	所有训练后工具集中在一处。
自动数据集整理	训练时，训练器监控每张图像的损失，进行节流、重新捕获标题，或丢弃不再提供学习的图像。	无需手动清理即可提高数据效率。
跨设备/云执行	在本地、同一网络上的另一台 PC 或 RunPod GPU 上运行，一键操作。手机可通过二维码监控运行。	无需强大的工作站；您可以为单次运行租用 GPU。
预设与适配器	模型特定预设、Qwen Image 2.1 和 Z-Image Turbo 的训练适配器，以及 Krea 2 的“Ultra 模式”。	减少每个模型的繁琐配置工作。
CLI 与无头模式	所有训练器均可脚本化；您可以在没有 UI 的情况下启动运行。	适合集成到流水线或远程服务器。

工作原理（高层）

1. 准备数据 – 可选调整大小、人脸裁剪和外观一致性过滤器。
2. 添加标题 – 简单触发词标题或使用 Qwen-3-VL / Florence-2 生成的 AI 标题。
3. 选择模型和预设 – UI 加载相应的训练适配器和 VRAM 感知设置。
4. 开始训练 – 训练器监控 VRAM，切换精度/分块，并排队后续运行。
5. 探索结果 – 使用 Studio 滑块、LoRA Royale epoch 电影或 Profiler 决定保留哪个 epoch。
6. 导出 – 保存的 LoRA 或完整检查点可直接放入 ComfyUI 或其他流水线。

适用人群

• 艺术家和爱好者，希望在笔记本电脑或中等性能台式机上自定义扩散模型。
• 音乐家（ACE-Step），希望在自己的歌曲上训练 LoRA。
• 研究人员/开发者，需要快速 UI 来原型化基于 LoRA 的风格迁移、编辑风格 LoRA 或全量微调，而无需编写训练脚本。
• 团队，希望拥有共享的、可通过网页访问的界面，并能够为偶尔的重型运行租用云 GPU。

安装与要求

• GPU：NVIDIA RTX 30/40/50 系列（或带 ROCm 的 AMD Radeon）。最低 VRAM 8 GB（某些模型全量微调需要 10-16 GB）。
• 操作系统：Windows 10/11 或 Linux。
• Python：3.10-3.13。
• 系统内存：建议 32 GB。
• 通过提供的 install_fizgig.bat（Windows）或 install_fizgig.py（Linux）安装。对于没有 GPU 的用户，还提供一键 RunPod 部署。

许可证与社区

• Apache 2.0 – 免费用于个人、学术或商业用途。
• 项目捆绑了宽松许可的组件（kohya-ss、AI-Toolkit 等），并提供 Hugging Face 上模型适配器的链接。
• 通过 Buy-Me-A-Coffee 或 GitHub Sponsors 赞助有助于持续开发；RunPod 部署也支持作者。

---

底线： Fizgig 是一个功能齐全的开源工作室，将 LoRA 创建、修复和全模型微调带到消费级硬件上，具有精美的网页 UI、自动数据集处理和无缝的云 GPU 集成。对于对生成模型定制感兴趣的 AI/ML 从业者来说，它非常适用。