shootthesound/Fizgig

解決的問題

Fizgig 是一個全面的 LoRA 模型訓練與優化工作台，專為特定 AI 圖像與影片生成器設計。它解決了常見的「過度訓練」或不完美的 LoRA 問題，提供工具可在無需完整重新訓練的情況下修復、變異與比較 LoRA 模型。

如何運作

該軟體提供一個快速且顯存高效的訓練器，支援 Flux 2 Klein 9B、Krea 2 與 MiniMax H3 模型。透過塊交換、量化（INT8、NF4、4-bit HQQ）與權重平均（EMA）等技術，可在僅 8GB 至 16GB 顯存的消費級 GPU 上進行訓練。除了訓練功能外，還包含一系列後處理工具「工作台」：

• Repair Studio：透過滑桿逐塊調整 LoRA，修復身份或風格問題。
• LoRA the Explorer：利用進化變異探索新的 LoRA 變體。
• LoRA Royale：在單一種子上渲染多個訓練週期，透過交叉淡入淡出找到最佳版本。
• Profiler：產生 HTML 報告，識別哪些塊承載了風格或身份特徵。
• Extract：將 LoRA 降階以提升效率。

適用對象

希望在照片、影片、聲音與語音上微調模型，且需要對最終輸出進行精確控制，但又不想承擔專業級硬體開銷的 AI 藝術家與開發者。

主要亮點

• 低顯存需求：在 8GB～16GB 的消費級 GPU 上訓練高達 330 億參數的大模型。
• 訓練後修復：無需重新訓練，即可逐塊修復損壞的 LoRA。
• 多模態支援：支援 MiniMax H3 的圖像、影片片段以及音訊/語音錄音的訓練。
• 資料集整理：Krea 2 的實驗性功能可檢測問題圖像，並在執行中自動重寫卡住的圖像標題。
• 完整微調：可直接訓練基礎模型，再將結果精煉為可共享的 LoRA。