Результат в конце трёх часов

Вы уйдёте отсюда с четырьмя вещами:

1. Обученная LoRA под вашу рабочую задачу — файл в вашем аккаунте SYNTX, который работает
2. Датасет‑заготовка — понимание, из чего собирается обучающий набор, и своя первая папка
3. Чек‑лист приёмки из 7 пунктов — как за 2 минуты понять, годная модель или брак
4. Маршрут для своей профессии — где именно в вашей неделе LoRA экономит время

• Менеджер и бухгалтер дополнительно уходят с готовым ТЗ на текстовую LoRA

Знакомая боль: шесть картинок — шесть разных стилей

Сценарий, который проходил каждый:

• Нужна серия обложек для линейки программ. Пишете промт — получаете отличную картинку. Пишете второй — тоже отличную. Но в другом стиле. К шестой обложке у вас шесть разных вселенных

То же самое в других задачах:

• Маскот ДКШ на каждом постере выглядит как другой персонаж
• Мерч «почти похож» на настоящий — но заказчик видит подмену
• Ответы родителям от ИИ — вроде правильные, но не нашим голосом
• Каждый раз заново объясняете нейросети то, что объясняли вчера

С чего всё началось: 175 миллиардов и 350 гигабайт

• 2021 год. Исследователи Microsoft публикуют работу «LoRA: Low‑Rank Adaptation of Large Language Models» («LoRA: низкоранговая адаптация больших языковых моделей»)

Проблема, которую они решали:

• Модель уровня GPT‑3 — 175 миллиардов настраиваемых параметров
• Чтобы научить её новой узкой задаче, нужно было переобучить все параметры
• Результат — полная копия модели весом ~350 ГБ
• Пять задач = пять копий = 1,75 терабайта

Три обходных пути — и почему каждый упирался в стену

Догадка, которая всё перевернула

• Вопрос авторов статьи: а что если само изменение параметров при обучении новой задаче гораздо проще, чем сама модель?
• На языке математики: изменение имеет низкий внутренний ранг
• На человеческом языке: модель — готовая картина. Чтобы поменять её настроение, не нужно перерисовывать холст целиком. Достаточно нескольких точных мазков в ключевых местах
• Набор мазков несравнимо проще самой картины. Значит, хранить надо только мазки — а не новую копию картины

Заморозить, впрыснуть, обучить, слить — и что это дало в цифрах

Как LoRA за пять лет дошла до вашего рабочего места

1. 2021. Статья Microsoft. Метод придуман для больших языковых моделей — про картинки там не было ни слова
2. 2022–2023. Метод переносят на генераторы изображений. Первые лоры персонажей и стилей, публичные библиотеки. Для обучения нужны своя видеокарта и командная строка
3. 2024. Поколение моделей нового качества (Flux и другие). Обучение лоры — 20 минут вместо суток
4. 2025–2026. Обучение переезжает в облачные сервисы и корпоративные агрегаторы. Кнопка вместо кода. Ни программиста, ни своей видеокарты

• Сегодня в SYNTX: папка с фотографиями + несколько экранов с кнопками = обученная модель

Когда вам действительно нужна своя модель

Задайте себе три вопроса. Если хотя бы на два ответ «да» — LoRA ваш инструмент:

Проверка на задачах центра:

• Обложки для 150+ программ обучения в едином стиле → да, да, да
• Одна картинка к посту в понедельник → нет, нет, нет → обычный промт

Что именно можно «запомнить» модели

• Первые три обучаются на изображениях — их вы сегодня обучите сами в SYNTX
• Четвёртая обучается на парах «запрос → эталонный ответ». Сегодня вы соберёте под неё ТЗ и узнаете технические требования — а это половина дела

Один экран: какой инструмент выбрать

• Почему факты нельзя зашивать в LoRA: они устаревают вместе с датасетом, и модель уверенно выдаёт старые цены — без всякой красной лампочки
• Лучший результат — комбинация: LoRA (как отвечать) + RAG (что отвечать)

Узнаваемый герой и предметная съёмка без студии

LoRA стиля — визуальный почерк, который не разваливается

Задачи центра: обложки программ · инфографика сайта · оформление соцсетей · презентации для корпоративных заказчиков · афиши мероприятий

Когда ИИ отвечает нашими словами

• Проблема: ИИ пишет грамотно, но не по‑нашему. Правка занимает столько же времени, сколько написать с нуля
• Промт‑инструкция решает не до конца: длинная инструкция дорожает с каждым запросом · модель следует ей не на 100% · часть требований словами не сформулировать
• Что делает текстовая LoRA: учится на 500–1 000 парах «запрос → эталонный ответ» и перенимает манеру, формат и терминологию

Эффекты из отраслевых кейсов:

• стабильный формат ответа (было: 4 варианта разметки — стало: всегда один)
• освоение узкой терминологии, в которой базовая модель путается
• маленькая и дешёвая модель справляется с узкой задачей не хуже большой

Честный фильтр: три случая, когда обучать не надо

LoRA выигрывает, когда объект используется системно, многократно, разными людьми и требует гарантированной узнаваемости

Что мы делаем ближайшие 90 минут

Прежде чем трогать кнопки — научиться видеть результат

Смотрим пары результатов и угадываем: где обычная модель, где с LoRA. По каким признакам поняли?

Этап 2. Из чего собирается обучающий набор

Технические требования:

• Формат: PNG, WEBP, JPG · вес до 5 МБ · оптимальное разрешение 1024×1024
• Количество: 20–35 изображений (персонаж и предмет), до 50–200 для сложного стиля
• Ориентир: ≈35–40 шагов обучения на одно изображение

Правило разнообразия — главное правило:

Чего избегать: 30 кадров с одного ракурса · один и тот же фон на всех кадрах · размытые и мелкие изображения · чужие объекты в кадре · водяные знаки и логотипы стоков

Практикум 1 (11 мин): собираем датасет под свою роль

Карточки по ролям — выберите свою:

Этап 4. Разбор каждого поля: что вводим и зачем

Практикум 2 (9 мин): каждый нажимает «Начать обучение» лично

Пошагово:

1. Открыть: Дизайн с ИИ → FLUX.1.1 PRO → Обучить Flux.1 (Создать LoRA)
2. Выбрать версию обучения
3. Ввести название по правилу именования
4. Выбрать назначение (персонаж / стиль / объект)
5. Задать триггер‑слово (для объекта — обязательно) и записать его отдельно
6. Оставить шаги на «авто»
7. Загрузить изображения
8. Проверить счётчик загруженных файлов рядом с кнопкой «Начать обучение» — часть файлов может не пройти по формату
9. Нажать «Начать обучение» и выйти из раздела

Обучение идёт от нескольких минут до получаса. Уведомление придёт в бот. Пока считается — идём дальше. Это и есть правильный рабочий режим

Этап 6. Как правильно вызывать обученную модель

• Настройки генерации: Модель: FLUX.1 + OPT · LoRA: ваша · одновременно можно подключить до 3 LoRA

Сила LoRA (weight) — стартовые значения:

• Логика настройки: слишком слабо → объект «не включился» → поднимаем. Слишком сильно → модель не слушает промт, всё однообразно → опускаем

Практикум 3 (10 мин): найти рабочий диапазон силы вашей LoRA

Сделайте ровно 5 генераций по схеме:

Фиксируйте в блокноте: номер → сила LoRA → оценка от 1 до 5

Связки: до трёх моделей одновременно

• Метод настройки: сначала добейтесь результата одной LoRA, только потом добавляйте вторую. Не крутите обе сразу
• Что не работает: два и более персонажа в одном кадре — одно лицо всегда перебивает другое. Практический путь: генерировать по отдельности и соединять в редакторе
• Для LoRA предмета триггер‑слово пишем в промте всегда, даже в связке

Шесть симптомов и что с ними делать

Полезно знать: лучший результат часто даёт не финальная, а промежуточная версия обучения — примерно первая треть

Практикум 4 (8 мин): приёмка по чек‑листу, в парах

ЧЕК‑ЛИСТ ПРИЁМКИ LoRA — 7 пунктов:

• 1. Узнаваемость. Объект/стиль опознаётся с первого взгляда, без подсказок? □
• 2. Гибкость. Работает в сцене, которой не было в датасете? □
• 3. Чистота. Нет посторонних элементов из датасета — фонов, рамок, знаков? □
• 4. Управляемость. Модель слушает промт: меняем сцену — она меняется? □
• 5. Диапазон. Найден рабочий диапазон силы, записан? □
• 6. Воспроизводимость. Две генерации подряд дают сопоставимый результат? □
• 7. Пригодность. Результат можно отдать в работу без переделки «с нуля»? □

Кейс‑карусель: цель → инструмент → датасет → критерий успеха

Карточки по задачам центра:

1. Обложки для 150+ программ в едином стиле (дизайнер)
2. Маскот ДКШ в афишах, соцсетях и раздатке (маркетолог)
3. Мерч в интерьере до печати тиража (специалист по генерации фото)
4. Лента постов на месяц в едином почерке (контент‑специалист)
5. ⚠ Родитель спрашивает про стоимость курса и скидки (менеджер)
6. Единая формулировка справки об обучении для родителей (бухгалтер)

Блиц‑карточки: одна картинка к посту в понедельник · нужен референс объекта здесь и сейчас

Практикум 5 (8 мин): оформляем результат как рабочий инструмент

Заполните паспорт своей LoRA:

Инструмент, у которого нет паспорта, через месяц становится «той штукой, которую мы когда‑то делали»

Где именно LoRA встраивается в вашу неделю

Что принять у платформы, когда передаёте ТЗ на текстовую LoRA

Ваша заготовка — таблица «вход → эталонный выход». Обучающая платформа принимает её в формате JSON Lines, кодировка UTF‑8 — каждая строка файла = один пример

Лимиты (типовые для облачных платформ):

• минимум 10 пар для старта; для tone of voice — 500–1 000 пар;
• инструкция + запрос + ответ суммарно не более 8 000 токенов;
• на ответ — не более 2 000 токенов.

Что нужно знать до того, как загрузили первое фото

1. Изображения людей — ст. 152.1 ГК РФ. Использование изображения гражданина — только с согласия. Обучение LoRA на фото сотрудника/преподавателя/ученика — письменное согласие с прямым упоминанием ИИ‑обработки. Для несовершеннолетних — согласие законных представителей. Практический совет для детского направления: обучайтесь на сгенерированных персонажах
2. Персональные данные — 152‑ФЗ. Во внешние сервисы не загружаем: паспортные данные, данные договоров, суммы по конкретным контрагентам, персональные данные обучающихся. Для текстовых задач — только обезличенные примеры
3. Новое регулирование — 243‑ФЗ от 26.07.2026 «О поддержке развития технологий искусственного интеллекта в РФ». Основная часть — с 1 сентября 2026 г. Статья 9 (маркировка материалов, созданных с применением больших фундаментальных моделей) — с 1 марта 2027 г.
4. Права на результат генерации. Охрана возникает при доказанном творческом вкладе человека: отбор вариантов, доработка, компоновка. Практика: сохраняйте промты, черновики, версии — это доказательная база
5. Пользовательское соглашение сервиса. Проверьте два пункта: кому принадлежат права на результат и разрешено ли коммерческое использование на вашем тарифе

Как обосновать инструмент цифрами

Формула окупаемости:

• Затраты на LoRA: сбор датасета (единоразово, 1–3 часа) + стоимость обучения (видна в SYNTX до запуска) + освоение (сегодняшние 3 часа)
• Против: стоимость альтернативы × количество единиц контента за период

Ориентиры рынка (2026): студийная предметная съёмка 500–3 000 ₽ за кадр, срок 3–10 дней · ИИ‑съёмка дешевле на 70–80% при сопоставимом качестве для карточек · отраслевой кейс: −68% затрат на контент при росте объёма в 8 раз

Заполните на своей задаче (две колонки «было/стало»):

• время на единицу контента · стоимость единицы · объём за месяц · кто задействован

От личного эксперимента к рабочему стандарту

Четыре шага, чтобы LoRA не осталась личной игрушкой:

1. Библиотека LoRA центра. Единое место, где лежат все модели организации. Не в личных аккаунтах — иначе с уходом сотрудника уходит и инструмент
2. Паспорт на каждую модель. Название · тип · триггер‑слово · рабочая сила · автор · дата · источник датасета · наличие согласий
3. Правило именования: организация_тип_задача_версия → BCO_style_kids_v2
4. Регламент использования. Кто может обучать · какие данные можно загружать · кто принимает результат · где хранятся исходные датасеты

Первый рабочий шаг и три ошибки новичка

Завтра на рабочем месте — три действия:

1. Откройте свою LoRA и решите ею одну реальную задачу из плана на неделю. Не тренировочную — рабочую
2. Заполните паспорт до конца и передайте модель одному коллеге, которому она пригодится
3. Сохраните датасет в общую папку центра. Это актив надолго

Три ошибки, которые совершают все:

• ✕ Обучать лору на всё подряд. Вспоминайте три вопроса: узнаваемость, повторяемость, объём. Два «да» — обучаем, иначе промт
• ✕ Бросить после первой неудачи. Первая лора у большинства выходит средней. Вторая — рабочая. Цена ошибки почти нулевая: базовая модель не страдает
• ✕ Оставить инструмент себе. Ценность LoRA — в том, что ею пользуются несколько человек и получают одинаковый результат

Что остаётся у вас после занятия

Материалы к занятию:

• Чек‑лист приёмки LoRA (7 пунктов)
• Форма паспорта модели
• Таблица диагностики брака (6 симптомов)
• Карточки заданий по ролям
• Таблица стартовых значений силы LoRA
• Технические требования к текстовому датасету (JSON Lines, лимиты токенов)