PixlStash 2.0 entrena LoRA desde tu propia biblioteca de imágenes
PixlStash 2.0 añade entrenamiento de LoRA mediante AI-toolkit, clústeres de similitud facial y hojas de personaje a su biblioteca de imágenes vinculada a ComfyUI.
Los flujos de trabajo son tarjetas cubiertas con las imágenes que produjeron. El inspector enumera los modelos, LoRAs, parámetros y versiones anteriores de cada flujo de trabajo.
Entrena un LoRA sin salir de la biblioteca
La incorporación principal es Train LoRA. Haz clic derecho sobre una persona o un conjunto, elige el sujeto de las imágenes y la intensidad del entrenamiento, y la aplicación ejecuta AI-toolkit en tu GPU. El LoRA finalizado aparece en el estante de modelos y queda vinculado a esa persona, así que la siguiente generación puede llamarlo sin copiar archivos a ComfyUI ni recargar el modelo.
Las caras se agrupan por similitud. Conservar el grupo que corresponde realmente a la persona elimina los parecidos fallidos del conjunto de entrenamiento.
Dos asistentes alimentan ese conjunto de entrenamiento:
- Los clústeres de similitud facial ordenan las caras de una persona en grupos según a quién se parecen, de modo que los resultados generados que no aciertan se descartan antes del entrenamiento.
- Create a training set elige la mejor similitud y calidad de imagen entre primeros planos, cuerpos completos y expresiones, omitiendo casi duplicados y otras personas.
Hojas de personaje para personajes sin imágenes
Para una persona con muy pocas referencias, Generate character sheets las dibuja: cuatro tomas tipo pasaporte de frente, tres cuartos y perfil, más dos tomas de cuerpo completo. Cada hoja indica qué tan fielmente coincide con la referencia de la que proviene, y cada foto de la hoja hace lo mismo. Las hojas que conservas pasan a ser las imágenes de ese personaje; el resto van a la papelera.
Una hoja generada para un personaje creado a partir de una sola imagen. El flujo de trabajo es seleccionable, incluidos FLUX.2 Klein 9B y Qwen Image Edit 2.1.
Los flujos de trabajo de hojas de personaje se incluyen ajustados para Krea 2, MOSS-Image, FLUX.2 Klein 9B y Qwen Image Edit 2.1, y los flujos de trabajo de vídeo se ejecutan por la misma ruta.
Vínculo bidireccional con ComfyUI
El paquete de nodos de PixlStash funciona en ambas direcciones: ejecuta flujos de trabajo desde PixlStash, o añade los nodos de carga y guardado de PixlStash a tu propio gráfico para que los resultados vuelvan etiquetados con sus personas, conjuntos y proyectos.
El nodo de guardado escribe las generaciones de vuelta en la biblioteca con el prompt, los modelos, las intensidades de LoRA y la semilla adjuntos.
También en esta versión:
- Tres espacios de trabajo dividen la aplicación en Medios, Flujos de trabajo y Modelos, cada uno con su propia barra lateral.
- Los modelos como estante en todas las unidades, con movimientos de carpetas que mantienen intacto el índice.
- Varias conexiones de ComfyUI, de modo que un portátil puede poner trabajos en cola en un equipo de renderizado, y las ejecuciones que no caben en la VRAM libre esperan en lugar de fallar.
Primeros Pasos
Instala la compilación de escritorio para Windows, Linux o macOS desde la página de versiones, o ejecútala sin interfaz con la imagen de Docker ghcr.io/pikselkroken/pixlstash. Hay una demostración de la interfaz del servidor en demo.pixlstash.dev.
Después abre Configuraciones › ComfyUI: la aplicación encuentra un ComfyUI local, instala sus nodos allí y vincula ambos. Los nodos también están en el ComfyUI Registry bajo pixlstash, con alrededor de 4,500 descargas. Todo se ejecuta localmente en CUDA, Apple Silicon o ROCm; AI-toolkit es necesario para la parte de entrenamiento.
Comentarios
Inicia sesión con GitHub para unirte a la conversación.