上星期 Qwen 推出 Qwen-Image-2.1，短短七天在 HuggingFace 就衝破 2,400 個讚、下載量逼近五萬次，連 Comfy-Org 都同步上架了單檔案版本，下載量更誇張，直接突破 360 萬。很多人第一時間跑去玩「一句話出圖」，但真正讓設計師眼睛一亮的，其實是另一件事：這個模型開放了完整的微調空間，代表你可以用自己的作品、自己的風格，訓練出一個「只屬於你」的畫風模型。
這篇文章要帶你走完整條路：從為什麼要微調、怎麼準備資料集、到實際在 ComfyUI 裡跑 LoRA 訓練、最後出圖驗收。全程不需要寫程式，只要會整理資料夾、看得懂參數欄位就行。如果你是一直覺得「AI 出圖都長一樣」的設計師，或者想幫品牌做一套固定視覺的接案工作者，這篇會非常實用。
為什麼要自己訓練 LoRA，而不是一直改提示詞？
先講一個很多人踩過的坑。你可能已經試過在提示詞裡狂加「水彩風、日系、扁平化、莫蘭迪色」這種形容詞，結果每次出圖都像在抽獎，十張裡只有兩張能用。這是因為通用模型學的是「全世界的平均值」，它沒有你的品味，也沒有你客戶的品牌規範。
LoRA（Low-Rank Adaptation）的概念很簡單：不要動整個大模型，只額外掛一小塊「風格補丁」上去。這塊補丁可能只有幾十 MB，訓練時間從半小時到兩小時不等，但效果是——之後你只要打上觸發詞，模型就會自動往你的風格靠攏。對接案的人來說，這等於是把「跟客戶來回改十次」壓縮成「一次出四張，客戶挑一張」。
更實際的好處是穩定。當你幫一個餐飲品牌做菜單視覺，你不會希望這次的插畫是厚塗、下次變成線稿。LoRA 就是把風格鎖住的那把鎖。
資料集怎麼準備？20 張圖就有感
這是整條流程最關鍵、也最容易被低估的一步。很多人以為要餵幾百張圖，其實對 Qwen-Image-2.1 這種底子好的模型來說，15 到 30 張高品質圖片就能訓練出辨識度很高的風格。重點不在數量，在「一致性」。
具體做法是這樣：先開一個資料夾，把所有圖片統一裁成正方形（建議 1024×1024），統一色調與構圖邏輯。假設你想訓練的是「台灣復古柑仔店插畫風」，那這 20 張圖就都要有同樣的線條粗細、同樣的紙質感、同樣的配色邏輯。千萬不要一張厚塗、一張扁平、一張 3D，那模型會學到一團混亂。
接著是打標（tagging）。你要為每張圖寫一段描述，但不要把風格詞寫進去。例如圖裡是一隻貓坐在紙箱上，你就寫「a cat sitting on a cardboard box, simple background」，而不是寫「復古柑仔店風格」。風格這件事要留給觸發詞去學，這樣模型才會把「觸發詞 = 你的風格」牢牢綁在一起。觸發詞建議取一個模型原本不認識的怪詞，例如 mobdome_style 或 twretro_v1，避免跟既有詞彙打架。
小提醒：如果你手邊作品不夠，可以先用 Qwen-Image-2.1 生成一批「你自己風格的近似圖」，人工篩掉不像的，再拿去訓練。這是很多接案者的實戰做法，效率高很多。
在 ComfyUI 裡實際跑訓練：參數怎麼設？
現在進到實作。你需要的是 ComfyUI 加上對應的 LoRA 訓練節點（社群常見的是 kohya 系的節點包，或直接用獨立的訓練介面再接回 ComfyUI 出圖）。以下是給新手的保守參數，照著填就不容易炸：
第一步，載入底模。選 Qwen/Qwen-Image-2.1 或 Comfy-Org 上架的單檔案版本都可以，後者對 ComfyUI 使用者更友善。第二步，設定 learning rate，建議從 1e-4 開始，這是新手最安全的起點，太高會過擬合（出圖全部長一樣），太低則學不動。第三步，訓練步數設在 1,500 到 2,500 步之間，20 張圖的資料集大概跑 100 到 150 個 epoch 就夠了。
第四步，網路維度（network dim / rank）設 16 或 32。數字越大能學的細節越多，但也越容易記住雜訊，新手先用 16。第五步，記得開啟 mixed precision（fp16）節省顯卡記憶體，一張 12GB 的卡跑 1024 解析度的 LoRA 訓練是沒問題的。
整個訓練過程大概 40 分鐘到 1.5 小時，依你的顯卡而定。跑完之後你會得到一個 .safetensors 檔，通常只有 20 到 80MB，這就是你的風格資產。
出圖驗收：三個檢查標準
訓練完別急著發佈，先做驗收。第一，用觸發詞加一句簡單描述出圖，看看風格有沒有出來。第二，把觸發詞權重從 0.6 調到 1.0，觀察風格的強弱變化，找到最順眼的區間。第三，故意出一張訓練集裡沒有的主題，例如你訓練的是「柑仔店插畫風」，那就叫它畫「一隻在捷運上的貓」，如果風格依然穩定，代表模型是真的學會了風格，而不是死背圖片。
如果出圖發現臉部崩壞或構圖重複，通常是過擬合了，回頭把 learning rate 調低、步數減少再重跑一次。這種來回調整是正常的，別氣餒。
香港台灣讀者的實戰應用場景
對香港的接案設計師來說，這招特別適合做「系列視覺」——例如一個月要出 20 張社群貼圖，風格必須統一，以前要一張張手繪，現在訓練好 LoRA，量產速度直接翻好幾倍。對台灣的內容創作者來說，則很適合做個人品牌：你的 YouTube 封面、文章配圖、周邊商品全部套同一套 LoRA，讀者一眼就認得出是你。
甚至小型電商也能用：把自家商品的攝影棚風格訓練成 LoRA，之後拍新品只要隨手拍，再讓模型轉成統一風格，省下重拍的成本。
重點回顧
記住三件事：資料集重質不重量，20 張一致性高的圖勝過 200 張雜圖；觸發詞要用模型不認識的怪詞，風格才綁得緊；參數從 learning rate 1e-4、rank 16 這種保守值開始，先求穩再求好。LoRA 不是什麼高深技術，它更像是幫你的 AI 裝上「你的品味」的一個開關。今天就把手邊最滿意的 20 張作品整理出來，試著跑一次看看，你會發現 AI 出圖終於不再像抽獎了。
延伸閱讀
常見問題
Q: 訓練 LoRA 需要很貴的顯卡嗎？
A: 不用。Qwen-Image-2.1 的 LoRA 訓練在 12GB 顯卡上就能跑 1024 解析度，一般電競筆電或中階桌機都應付得來。如果真的不夠，也可以先用雲端 GPU 按小時租用，跑一次通常花不到一杯咖啡的錢。
Q: 我只有 10 張圖，這樣夠嗎？
A: 勉強可以，但建議至少湊到 15 張。如果作品真的不夠，可以先用 Qwen-Image-2.1 生成一批同風格的圖，人工篩選後補進資料集。重點是這 10 到 15 張的風格要高度一致，寧缺勿濫。
Q: 為什麼我訓練完，出圖風格還是不明顯？
A: 最常見的三個原因是：觸發詞權重設太低（試著從 0.8 開始）、訓練步數不足（提高到 2,000 步試試）、或者資料集風格本身就不統一。先回頭檢查資料集，通常問題都出在這裡。
Q: 訓練好的 LoRA 可以商用嗎？
A: 取決於你用的底模授權與訓練素材來源。Qwen-Image-2.1 的授權條款請以官方公佈為準；另外，如果你是用別人的作品當訓練素材，商用前務必確認版權。用自己原創作品訓練最安心。
Q: 一個 LoRA 可以同時學多種風格嗎？
A: 不建議。一個 LoRA 對應一種風格，效果最乾淨。想同時擁有水彩風和像素風，就分別訓練兩個 LoRA，出圖時再切換或疊加使用，這樣控制起來最靈活。