당신은 AI가 생성한 이미지로 당신이나 당신이 아는 사람의 모습을 똑같이 만들어내는 방법을 궁금해 본 적이 있나요? 만약 그 비용이 5달러도 채 되지 않는다면 어떨까요? FluxAI의 힘으로 이제 몇 번의 클릭만으로 눈부신 생동감 넘치는 이미지를 만들어낼 수 있는 개인 맞춤형 모델을 구축할 수 있습니다. 이 튜토리얼은 사진을 완전히 제어할 수 있는 AI 모델로 변환하는 데 필요한 완전하고 무자비한 안내서입니다.
이 단계별 튜토리얼이 끝나면 데이터셋을 만들고, 미세 조정을 하며, 최종 추론을 수행하는 세 가지 쉬운 단계에서 모델을 처음부터 훈련할 수 있게 됩니다. 전문적인 프로필 사진을 만들고 싶거나 AI가 생성한 예술을 실험하고 싶다면 이 가이드는 전체 과정을 안내해 줄 것이며, Replicate에서 Oostris AI Lora Toolkit을 사용할 것입니다.
참고: FLUX Lora, Pro, Dev, 그리고 Schnell 를 사용하여 귀하의 작업을 위해 초현실적인 이미지를 생성하고자 하신다면, 훌륭한 웹사이트를 찾았습니다. Anakin Ai는 무료로 모든 FLUX 모델을 상업적으로 사용할 수 있도록 해주는 올인원 AI 플랫폼입니다.




1. 데이터셋 생성

이미지 수집 및 준비
FluxAI 모델 훈련의 첫 번째 단계는 포괄적인 이미지 세트를 조립하는 것입니다. 이러한 이미지의 품질과 다양성은 모델의 성능에 중요한 역할을 합니다.
- 이미지 수

광범위한 실험과 온라인 AI 커뮤니티의 피드백에 따르면, Flux Lura 모델은 10개의 이미지로도 잘 작동합니다. 하지만 출력의 일관성을 피하기 위해서는 15개 이상의 이미지를 사용하는 것이 좋습니다.
- 이미지 다양성

넓은 범위의 포즈, 각도 및 배경을 포함하세요. 이는 모델이 다양한 특징을 포착하고 최종 출력 품질을 향상시키는 데 도움이 됩니다.
- 산만한 요소 피하기
특정 액세서리나 소품과 같은 반복적이거나 독특한 요소가 이미지에 없도록 하세요. 이는 훈련 중에 원하지 않는 편향을 도입할 수 있습니다. 예를 들어, 피사체가 항상 같은 안경을 착용하는 이미지를 사용하는 것은 모델을 혼란스럽게 할 수 있습니다.
이미지를 수집한 후에는 폴더에 저장하고 zip 파일로 압축합니다. 이 압축된 파일은 모델의 훈련 데이터셋으로 사용됩니다.
선택 사항: 향상된 결과를 위한 캡션 데이터셋 만들기
더 나은 결과를 원하는 경우 각 이미지에 대한 캡션 데이터셋을 만들면 모델의 성능이 크게 향상될 수 있습니다. 예를 들어, 한 이미지가 나무 아래에 서 있는 사람을 묘사하고 있다면, 캡션은 “나무 아래 서 있는 사람”과 같을 수 있습니다. 이 캡션은 .txt 파일에 저장해야 합니다. 그러나 이 단계를 생략하면 Replicate의 인터페이스가 자동으로 캡션을 생성할 수 있습니다.
2. 모델 생성 및 미세 조정

Replicate에서 모델 설정하기
- 모델 만들기: Replicate 웹사이트를 방문하여 새 모델을 생성합니다. 이 모델은 사용자들이 데이터셋을 업로드하고 설정을 사용자화하는 자리 표시자로 사용됩니다. 나중에 참고하기 쉽도록 기억하기 쉬운 이름을 선택하세요.
- 이미지 업로드: Replicate에서 새로 생성된 모델에 훈련 이미지를 포함한 zip 파일을 업로드합니다.
- 트리거 단어 정의하기: 트리거 단어는 이 특정 모델을 호출하는 고유 식별자입니다. “photo_of_danush” 같은 특정 개인이나 “artistic_style” 같은 창의적 응용에 대해 독특하고 기억하기 쉬운 단어나 구를 선택하세요.
훈련 매개변수 설정하기
훈련 기간은 단계의 수 및 사용 가능한 계산 능력에 따라 달라집니다:
- 단계 수: 균형 잡힌 안전한 결과를 얻으려면 모델을 1,500–2,000단계 동안 훈련하는 것이 좋습니다. 2,000단계로 진행할 경우 H100 GPU를 사용하여 약 45분이 소요되었습니다. 1,200 또는 1,500단계와 같이 단계 수를 줄이면 훈련 시간과 비용을 줄일 수 있습니다.
- 자동 캡션 설정: 수동 캡션 데이터셋이 없는 경우 자동 캡션 기능을 활성화합니다. 이는 Replicate가 업로드된 이미지에 대한 캡션을 생성하는 것을 보장합니다.
- 트리거 단어 확인: 트리거 단어가 올바르게 설정되어 있는지 두 번 확인하세요. 이는 모델이 입력 프롬프트를 바탕으로 이미지를 해석하고 생성하는 방식에 영향을 미칩니다.
Hugging Face에 모델 저장하기 (선택 사항이지만 권장)

훈련된 모델을 Hugging Face의 모델 허브에 저장하면 접근과 공유 옵션의 이점이 많습니다:
- Hugging Face 프로필에 새 저장소를 만듭니다.

2. 쓰기 권한 토큰을 생성하고 이를 Replicate의 설정에 붙여넣습니다.

3. Hugging Face 저장소를 Replicate의 훈련된 모델과 연결합니다.

이 설정은 모델이 안전하게 저장되고 향후 사용을 위해 쉽게 접근할 수 있도록 보장합니다.
3. 모델 추론 및 테스트
다양한 플랫폼에서 모델 실행하기
모델이 훈련되면 사용자는 성능을 테스트할 수 있습니다. 모델은 Replicate에서 직접 실행할 수 있지만 보다 유연한 환경을 제공하는 다른 플랫폼들도 있습니다:
- Google Colab: 코딩에 익숙하고 보다 맞춤화된 설정을 원하는 사람들에게 이상적입니다.
- 로컬 머신: 필요한 하드웨어가 있다면 모델을 다운로드하여 로컬 머신에서 실행할 수 있습니다.
- Hugging Face: Hugging Face에 저장된 모델은 다양한 AI 플랫폼의 입력으로 사용할 수 있습니다.
Lura 강도 조정하기
Lura 강도 매개변수는 미세 조정된 모델이 최종 이미지 생성에 미치는 영향을 결정합니다:
- 높은 Lura 강도: 훈련 이미지와 매우 유사한 출력을 생성합니다.
- 낮은 Lura 강도: 기본 모델과 미세 조정된 모델 간의 균형을 이루어 보다 일반적인 모습을 생산합니다.
각 특정 프로젝트에 맞는 적절한 균형을 찾기 위해 다양한 Lura 강도로 실험해 보길 권장합니다.
프롬프트로 모델 테스트하기
미리 정해진 트리거 단어를 사용하여 모델은 다양한 프롬프트에 따라 무한한 이미지 변형을 생성할 수 있습니다. 예:
- 프롬프트 1: photo_of_danush as Superman flying in the sky

- 프롬프트 2: LinkedIn headshot of danush, professional photo, DSLR quality

FluxAI 모델은 간단한 프롬프트를 잘 준수하고 최소한의 프롬프트 세부사항으로도 고품질 이미지를 생성하는 데 뛰어납니다.
FluxAI 모델의 추가 사용 사례
FluxAI 모델을 훈련하는 것은 기본적인 초상화 생성 이상의 다양한 사용 사례를 제공합니다:
- 전문 프로필 사진: 이 모델을 사용하여 LinkedIn과 같은 비즈니스 프로필용으로 전문 프로필 사진 시리즈를 생성할 수 있습니다.
- 창의적인 프로젝트: 창의적인 프로젝트나 소셜 미디어 콘텐츠를 위한 스타일화된 이미지 생성.
- 예술적 스타일 전이: 디지털 아트워크나 브랜딩 목적을 위해 다양한 예술적 스타일을 복제하는 데 모델을 사용합니다.
참고: FLUX Lora, Pro, Dev, 그리고 Schnell 를 사용하여 작업을 위한 초현실적인 이미지를 생성하고 싶으시다면.Anakin Ai는 모든 FLUX 모델을 무료로 상업적으로 사용할 수 있도록 해주는 올인원 AI 플랫폼입니다.


결론
FluxAI를 사용해 AI 모델을 훈련하는 것은 개인화된 이미지를 생성하기 위한 무한한 가능성을 열어주는 간단하고 비용 효과적인 과정입니다. 최소한의 시간과 비용 투자로 사용자는 고품질 AI 모델을 생성하고 특정 요구 사항에 따라 사용자화하며 전문 사진 서비스와 관련된 비용을 피할 수 있습니다.
이 자세한 가이드는 맞춤형 AI 모델 생성, 다양한 플랫폼으로의 테스트 및 향후 사용을 위한 안전한 저장에 필요한 모든 단계가 포함되어 있습니다. 이 과정을 따르면 사용자는 개인 프로젝트와 전문 프로젝트 모두에 적합한 모델을 훈련할 수 있으며, 자신에게 적합한 다재다능한 도구를 확보할 수 있습니다.
AI 생성 이미지 및 모델에 대해 깊이 탐구하고자 하는 사람들을 위해 이 가이드는 시작하기 위한 포괄적인 자료가 됩니다.
행복한 훈련 되세요!