LoRA自作入門（Kohya SS）：自分だけのキャラ・画風LoRAを一から作る方法

Kohya SSを使ったLoRA学習の入門ガイド。学習データの準備・キャプション・設定のポイント・よくある失敗と対処法まで、初めてLoRAを作る方向けに手順をわかりやすく解説します。

2026/03/13 15 min

LoRAKohya SS学習自作制作ノウハウStable Diffusion

この記事の要点

LoRA学習の成否は「学習データの質」で8割決まる。枚数より品質と一貫性
画像は20〜30枚程度でも十分。ノイズの多い大量データより厳選した少数が強い
学習率とステップ数を上げすぎると過学習になり、何を生成しても同じ絵になる
作ったLoRAは必ずseed固定で重みを振って検証する

はじめに：既存LoRAでは出せない「自分だけの表現」を作る

Civitaiには膨大な数のLoRAが公開されていますが、「好みのキャラクターのLoRAがない」「特定の画風を再現できるLoRAが見つからない」という状況は必ず訪れます。そこで重要になるのが LoRAの自作です。

自分でLoRAを作れると、オリジナルキャラクターのLoRA、自分の好みに特化した画風LoRA、特定の衣装・シチュエーション用LoRAなど、Civitaiには存在しない表現が可能になります。

本記事では、Kohya SS（kohya-ss/sd-scripts）を使ったLoRA学習の入門手順を解説します。

LoRA学習に必要な環境

VRAM要件

VRAM	学習可能なモデル	推奨バッチサイズ
8GB	SD1.5系LoRA	1
12GB	SD1.5 / SDXL（要最適化）	1〜2
16GB	SDXL系LoRA	1〜2
24GB	SDXL系LoRA	2〜4

VRAM 8GBでも --gradient_checkpointing と --xformers を使えばSD1.5系のLoRA学習が可能です。SDXL（Illustrious/NoobAI）のLoRAを作るなら12〜16GB以上を推奨します。

推奨環境

Python 3.10.x
CUDA 11.8 または 12.1
PyTorch 2.x
Windows 10/11 または Linux

Kohya SSのセットアップ

インストール手順（Windows）

# 1. リポジトリのクローン
git clone https://github.com/bmaltais/kohya_ss.git
cd kohya_ss

# 2. 仮想環境の作成と有効化
python -m venv venv
venv\Scripts\activate

# 3. 依存関係のインストール（GUIスクリプトを使用）
.\setup.bat

setup.bat を実行すると必要なパッケージが自動インストールされます。

GUIの起動

.\gui.bat

ブラウザで http://localhost:7860 が開きます。これがKohya SSのGUIです。

データセットとキャプション準備のイメージ n*参考イメージ：学習前のデータ準備フロー*n

学習データの準備

学習データの品質がLoRAの品質を直接決めます。ここが最も重要なステップです。

画像枚数の目安

LoRAの種類	推奨画像枚数
キャラクターLoRA	15〜30枚
スタイルLoRA	30〜100枚
衣装・物体LoRA	10〜20枚
NSFWシーン特化	20〜50枚

少なすぎると汎化性能が低下し、多すぎると学習が不安定になります。まずは20枚程度から試してみましょう。

画像の品質基準

解像度：512×512以上（推奨：768×768〜1024×1024）
品質：ぼやけ・ノイズ・著しい崩れがないもの
多様性：同一ポーズ・表情のみにならないよう、バリエーションを持たせる
NSFWLoRA：ターゲットのシーン・衣装・ポーズを幅広くカバーする

フォルダ構成

training_data/
└── 20_character_name/    # 数字 = 繰り返し回数、文字列 = trigger word
    ├── image_01.png
    ├── image_01.txt       # キャプションファイル
    ├── image_02.png
    ├── image_02.txt
    └── ...

フォルダ名の先頭の数字（20）は、1エポックあたりその画像を何回使うかを示します。画像が少ない場合は大きくして補います。

キャプション（タグ付け）の方法

キャプションは各画像に対応する .txt ファイルで、画像の内容を説明するタグを記述します。

WD14 Taggerを使った自動タグ付け

Kohya SSにはWD14 Taggerが統合されており、自動でDanbooruタグを付けられます。

Utilities タブ → WD14 Captioning
画像フォルダを指定
Caption extension を .txt に設定
Run captioning を実行

手動でキャプションを編集する

自動タグ付けの後、不正確なタグを修正します。特に重要なポイント：

Trigger wordを一番先頭に入れる（キャラ名など）
学習させたくない特徴（背景など）はタグから削除
LoRAに覚えさせたい特徴は残す・追加する

mycharacter, 1girl, long hair, blue hair, red eyes, white shirt, ...

キャプション設計のコツ

キャラLoRA：キャラの固有特徴（髪色・目色・トレードマーク）はあえてキャプションに含めない（または trigger word にまとめる）ことで、LoRAがその特徴を「覚える」
スタイルLoRA：スタイル名を trigger word にし、コンテンツタグ（キャラ・背景など）は細かく書く
NSFWLoRA：NSFWコンテンツタグを明示的に含める

Kohya SS の主要設定解説

GUIの LoRA タブで設定します。

基本設定

パラメータ	推奨値（SD1.5）	推奨値（SDXL）	説明
`network_dim`	32〜64	32〜64	LoRAのランク。高いほど表現力が上がるがファイルサイズも増加
`network_alpha`	dimの半分〜同値	dimの半分〜同値	学習率のスケール調整
`learning_rate`	1e-4	5e-5〜1e-4	学習率。高すぎると崩れる
`lr_scheduler`	cosine_with_restarts	cosine_with_restarts	学習率スケジューラー
`max_train_steps`	1500〜3000	2000〜4000	総学習ステップ数
`train_batch_size`	1〜2	1	バッチサイズ

推奨オプション

--gradient_checkpointing：VRAM節約
--xformers：高速化
--save_every_n_steps=500：途中保存（過学習確認用）

キャラクターLoRAの学習手順

画像フォルダを用意（15〜30枚）
WD14 Taggerで自動タグ付け
trigger word（例：mycharacter）をキャプション先頭に追加
キャラの固有特徴タグ（髪色・目色等）をキャプションから削除
Kohya SS設定：network_dim=32, learning_rate=1e-4, max_train_steps=2000
学習を開始し、500ステップごとに中間チェック

学習中は定期的に生成テストを行い、過学習（見本画像に引っ張られすぎる状態）を確認します。

スタイル・画風LoRAの学習手順

スタイルLoRAはキャラLoRAとは設計思想が異なります。

画像枚数：30〜100枚（スタイルの多様性が重要）
キャプション：コンテンツタグを詳しく書き、スタイルタグ（trigger word）のみ一貫させる
network_dim：64〜128（スタイルはより多くの情報が必要）
学習ステップ：3000〜5000（多め）

mystyle, 1girl, long hair, smile, casual clothes, park background

NSFW向けLoRA学習のコツ

NSFWLoRAを作る場合の追加ポイントです。

データセット選び

ターゲットシーンを幅広くカバーする（多様なポーズ・アングル）
品質の低い画像は学習精度を下げるため除外
最低でも20枚、可能なら40〜50枚確保

タグ設計

NSFWタグをキャプションに明示的に含めます。ただし、trigger word を使って「通常の生成には影響しない」設計にすることを推奨します。

my_nsfw_trigger, rating:explicit, nude, [ポーズ・シーンのタグ]

trigger word なしでは動かないようにすることで、通常の生成への干渉を防ぎます。

よくある失敗パターンと対処法

失敗1：過学習（サンプル画像をそのままコピーするような出力になる）

原因：学習ステップが多すぎる、または学習率が高すぎる対処：ステップ数を減らす（500〜1000ステップ試す）。学習率を半分に下げる

失敗2：崩れが激しい

原因：学習率が高すぎる、またはデータセットの品質が低い対処：learning_rate=5e-5 まで下げる。品質の低い画像を除外する

失敗3：汎化性能が低い（trigger word なしでも反応してしまう）

原因：キャプションに固有特徴が残っていてLoRAが汎化できていない対処：キャラの固有特徴をキャプションから削除する

失敗4：VRAMが足りない

対処：--gradient_checkpointing を有効化。バッチサイズを1に。--cache_latents を使う

学習カーブ監視のイメージ n*参考イメージ：loss推移を見ながら調整する場面*n

学習結果の評価と調整

学習したLoRAは重みを 0.5〜1.0 の範囲で試して、効果と安定性のバランスを確認します。

<lora:my_lora:0.7>, trigger_word, 1girl, ...

500ステップ、1000ステップ、2000ステップなどの中間保存を比較して、最適なステップ数を特定しましょう。多くの場合、「ちょうどいい」ポイントは最大ステップより手前にあります。

よくある質問

LoRA学習には何枚の画像が必要ですか？

20〜30枚程度でも十分に機能します。重要なのは枚数ではなく質と一貫性です。狙いと関係ない要素（違う画風、違うキャラ、低品質な画像）が混ざっていると、それも一緒に学習されて品質が落ちます。数を集めるより、狙いに合致した画像だけを厳選するほうが結果は良くなります。

過学習（オーバーフィッティング）とは何ですか？どう防ぎますか？

学習データに過剰に適合してしまい、何を生成しても学習画像とほぼ同じ絵しか出なくなる状態です。プロンプトを変えても反応しなくなります。防ぐには、学習率とステップ数を下げる、学習データの多様性を増やす、途中経過のエポックを保存して過学習前のものを採用する、といった対策があります。

学習にはどれくらいのVRAMが必要ですか？

設定にもよりますが、SD1.5系のLoRA学習なら8GB程度から可能です。SDXL系のLoRA学習はより多くのVRAMを要求します。VRAMが足りない場合は、解像度を下げる、バッチサイズを1にする、勾配チェックポインティングを有効にする、といった設定で消費を抑えられますが、学習時間は延びます。

学習したLoRAが効きません。

学習不足（ステップ数が少なすぎる）か、キャプション（タグ付け）が適切でない可能性があります。まず重みを1.0まで上げて効果が出るか確認してください。それでも効かないなら学習不足です。逆に重み0.5でも過剰に効くなら過学習です。必ずseedを固定して重みを振り、効き方を確認してください。

学習に使う画像の著作権はどうなりますか？

他人の著作物を無断で学習データに使用し、その出力を公開・販売する行為は、権利侵害となるリスクがあります。特に特定の作家の絵柄を再現する目的での学習は、倫理面でも問題視されています。自分で作成した画像や、権利処理済みの素材を使用してください。実在人物の写真を学習させることも避けてください。

AIでエロコンテンツを作るときの参考に（FANZAの人気作品）

以下はAI生成物ではなく、FANZAで人気の同人作品です。どんな題材・構図・シチュエーションが支持されているのかを押さえておくと、AIでエロコンテンツを作るときの狙いが定まります。

まひると沼田〜罠にハメられた彼女〜2

★5（レビュー17件）・69P

880円 FANZAで見る

複製マ○コ2〜真面目なマ○コ編〜

★5（レビュー17件）・54P

770円 FANZAで見る

クンニしたい女とクンニされたい女