Wat is LoRA-training en wat kun je ermee?

Een LoRA (Low-Rank Adaptation) is een klein, getraind model dat een groot beeldmodel zoals Flux of SDXL leert om jouw specifieke stijl, personage of product consistent te genereren. Waar losse AI-beelden telkens anders uitpakken, levert een LoRA-model steeds hetzelfde herkenbare resultaat.

Waarom een LoRA en niet gewoon prompts?

Met een goede prompt kom je een eind, maar je krijgt nooit exact hetzelfde gezicht, product of dezelfde stijl twee keer. Voor een merk is die consistentie juist het punt: hetzelfde personage in elke post, hetzelfde product in elke setting, dezelfde look over een hele campagne.

Een LoRA lost dat op door het model te trainen op jouw beeldmateriaal. Daarna genereert het model in jouw stijl, in willekeurige poses, locaties en belichting.

Wat kun je met een LoRA-model maken?

Productfotografie in elke gewenste setting, zonder studio. Zie LoRA voor productfotografie.
Consistente personages of een vast merkgezicht. Zie consistente AI-personages.
Campagnebeeld op schaal: tientallen consistente beelden in een dag.
Een merkstijl die je op elk nieuw beeld toepast.

Hoe werkt LoRA-training?

Kort samengevat in drie stappen:

Dataset: je verzamelt 30 tot 60 referentiebeelden met variatie in hoek, belichting en context.
Training: op een GPU (RunPod of Koyeb) traint het model in 30 tot 90 minuten op die beelden.
Genereren: je gebruikt het getrainde LoRA-model met prompts om nieuw beeld te maken in jouw stijl.

De volledige aanpak lees je in een LoRA-model laten trainen.

Waar hangt de kwaliteit van af?

Vooral van de dataset. Hoe diverser en scherper je referentiebeelden, hoe flexibeler het model later in nieuwe situaties. Een smalle of rommelige dataset levert een model dat maar een paar poses goed doet. Handen en complexe accessoires blijven een aandachtspunt voor AI.

LoRA, avatars en video

Een LoRA levert stilstaand beeld. Wil je datzelfde personage laten bewegen en spreken, dan combineer je het met AI-avatars en video. Meer daarover bij de dienst AI Video, Avatars & UGC.

Welke beelden heb je nodig?

De dataset bepaalt wat het model kan. Een paar vuistregels:

Variatie in hoek en licht. Een product van voren, opzij, van boven, binnen en buiten. Een persoon van dichtbij en op afstand, met verschillende uitdrukkingen.
Alleen scherpe beelden. Onscherpe of sterk bewerkte foto's leert het model ook, en die fouten komen terug in elk nieuw beeld.
Wisselende achtergronden. Staat het product op elke foto op dezelfde tafel, dan denkt het model dat de tafel erbij hoort.
Geen tekst of logo's van anderen. Die sluipen anders in de nieuwe beelden.

Uitgebreider: een LoRA-dataset voorbereiden.

Waar hangt de prijs van af?

Van het aantal modellen, hoeveel werk de dataset vraagt en of er een webtool of pijplijn bij hoort. De training zelf kost relatief weinig rekentijd; de meeste tijd zit in het voorbereiden van de beelden en het testen van het resultaat. Beelden maken met een getraind model kost daarna per stuk weinig.

Hoe test je of een model goed is?

Maak na de training een vaste set beelden met dezelfde opdrachten: het onderwerp in een andere setting, van een andere kant, in ander licht en naast andere voorwerpen. Een goed model houdt het onderwerp herkenbaar in al die situaties, zonder dat details als een logo, een vorm of een gezicht verschuiven. Gaat het mis bij één soort opdracht, dan ontbreekt die variatie meestal in de dataset. Voeg dan gericht beelden toe en train opnieuw, in plaats van de opdracht steeds langer te maken.

Rechten en toestemming

Train alleen op beelden waarvan je de rechten hebt. Gaat het om een persoon, zoals een medewerker of een model, leg dan schriftelijk vast dat die toestemming geeft voor training en gebruik, en voor hoe lang. Een beeld dat echt lijkt maar met AI gemaakt is, vermeld je als zodanig waar dat nodig is.

Een LoRA gebruiken in een studio

Een getraind model wil je niet alleen in een technische omgeving gebruiken. In dGEN Visual Studio gebruik je een eigen LoRA naast de andere beeldmodellen, zodat je team zelf beeld maakt in je merkstijl. Zie merkconsistentie met een eigen LoRA in Visual Studio.

Veelgestelde vragen

Hoeveel foto's heb ik nodig voor een LoRA? Meestal dertig tot zestig, met genoeg variatie. Meer beelden helpen alleen als ze iets nieuws laten zien.

Kan ik een LoRA trainen op mijn eigen gezicht? Ja, met goede foto's van jezelf. Gebruik het model alleen voor doelen waar je achter staat, en wees open dat de beelden met AI zijn gemaakt.

Wat is het verschil tussen een LoRA en een fine-tune? Een LoRA is een kleine aanvulling op een bestaand model, snel te trainen en makkelijk te wisselen. Een volledige fine-tune past het hele model aan en is zwaarder en duurder.

Kan een LoRA ook video maken? Een LoRA levert stilstaand beeld. Die beelden kun je wel als startpunt gebruiken voor video met een videomodel.

Hoe lang duurt het om een LoRA te laten trainen? De training zelf duurt meestal minder dan anderhalf uur. Het voorbereiden van de beelden en het testen van het resultaat kosten samen vaak een paar dagen, afhankelijk van hoeveel beelden er geselecteerd moeten worden.

Aan de slag

dGEN Productions traint LoRA-modellen op jouw stijl, personage of product en bouwt de software eromheen: van generatie-pijplijn tot een webtool waarmee je team zelf beeld maakt. Bekijk de dienst AI Visuals & LoRA of plan een gratis gesprek.

Meer over LoRA-modellen

Uit de blog

dGEN Productions, AI-bureau in Veldhoven, regio Eindhoven (Brainport), onderdeel van dGEN Labs. De Run 1141 (1e verdieping, nr. 12), 5503 LB Veldhoven · info@dgenproductions.nl · 06-87413056 · KvK 97916137 (eenmanszaak) · btw NL005295840B15