今回は、AI-Toolkit + Z-Image baseを使って
「顔の一貫性（identity consistency）が高いLoRA」を作る方法を解説します。

実際に私は以下の条件でトレーニングを行い、かなり安定した結果が出ました：

• 画像枚数：30枚（すべて1024×1024）
• GPU：RTX 5090
• 学習時間：約4.5時間
• ステップ数：4000
• 結果：高い顔再現性＋崩れにくいLoRA
• 

1. 使用した全体設定（重要）

まずは今回のコア設定をまとめます。

■ JOB / MODEL

• Model Architecture：Z-Image
• Base Model：Tongyi-MAI/Z-Image
• Trigger Word：songze

👉 トリガーワードは必ず一意な名前にしてください（超重要）

■ TRAINING設定

• Batch Size：2
• Steps：4000
• Learning Rate：5e-5
• Optimizer：AdamW8Bit
• Weight Decay：0.01
• Timestep：
  • Type：Weighted
  • Bias：Balanced
• Loss：Mean Squared Error
• EMA：ON（Decay 0.99）

■ LoRA設定

• Target Type：LoRA
• Rank：16

👉 顔LoRAでは Rank 16はバランス良好
（低すぎると情報不足、高すぎると過学習）

■ 保存設定

• Save Every：250 steps
• Max Saves：4
• Data Type：BF16

2. Dataset設定（ここが一番重要）

顔の一貫性はデータセット品質で9割決まると言ってもいいです。

■ 今回の設定

• 画像数：30枚
• 解像度：1024
• Num Repeats：25
• Caption Dropout：0.05
• Flip X：ON
• Flip Y：OFF
• Cache Latents：ON

3. サンプリング設定（見落とされがち）

トレーニング中の確認用サンプル設定：

• Sampler：FlowMatch
• Steps：30
• CFG：5
• Size：1024×1024
• Seed：42 + Walk Seed ON

👉 Walk Seed ONはかなり重要
→ 同じ顔のバリエーション確認がしやすい

4. 実際のトレーニング進行

ログを見ると：

• 約4.3 sec / iter
• 4000 steps ≒ 約4.5時間
• 

途中ログ例：

• loss：0.61 → 0.56まで低下

👉 顔LoRAとしてはかなり安定した収束

5. 顔の一貫性を上げるためのコツ（核心）

ここがこの記事の一番大事な部分です。

✅ ① データは「同一人物」だけにする

NG：

• 似てる人を混ぜる
• AI生成画像を混ぜる

OK：

• 同一人物のみ（角度・表情違い）

✅ ② 顔の比率を揃える

理想：

• 顔の大きさがほぼ同じ
• 中央寄せ

NG：

• 全身・バストアップ混在
• 顔サイズバラバラ

✅ ③ 角度バリエーションは必要

最低限：

• 正面
• 左右45度
• 横顔

👉 これがないと「特定角度だけ強いLoRA」になる

✅ ④ キャプションはシンプルに

今回のおすすめ：

songze, 1person

余計な情報は入れない

👉 顔LoRAでは情報を絞るほど安定

✅ ⑤ ステップ数は多すぎない

今回：

• 4000 steps（ちょうど良い）

目安：

👉 多すぎると顔が崩れる（過学習）

6. よくある失敗

❌ 顔が安定しない

原因：

• データの顔サイズがバラバラ
• キャプションが長すぎ

❌ 似てるけど別人になる

原因：

• トリガーワードが弱い
• Rankが低すぎ

❌ 画風が混ざる

原因：

• データセットのスタイルが不統一

7. 今回の設定のポイントまとめ

今回の成功要因はこの3つ：

1. 1024解像度で統一
2. EMA ONで安定化
3. Repeat 25で十分な学習量確保

8. 結論

この構成（30枚・1024px・4000steps）でも：

👉 顔の一貫性はかなり高いLoRAが作れる

特にZ-Image + FlowMatchの組み合わせは：

• 崩れにくい
• 顔再現が強い
• 安定性が高い

もしさらに精度を上げたいなら

• Rank：16 → 32
• 解像度：1024 → 1280
• データ：30 → 50枚

ただし：

👉 まずは今回の設定がベースとして最適