ドリフト問題とは
同じプロンプトを2回与えた場合、バニラのSDXLは見た目が明らかに異なる2人の人物を生成します。特定の顔にユーザーが愛着を持つコンパニオン製品において、これは致命的な問題です。
プロンプトエンジニアリングは多少効果があります。IP-Adapterを使った参照画像もさらに効果的です。しかし、どちらも単独ではこのギャップを埋められません。
なぜLoRAが有効なのか
1人のキャラクターの厳選された20～60枚の画像で学習したLoRAは、顔や体型、スタイリングを拡散モデル自体に固定します。
推論時のコストは基本のSDXLとほぼ同じです。学習コストは小規模GPUポッドで数ドル程度です。
LovlyChatでの学習方法
キャラクターがリリースされると、RunPodのA40上でkohya_ssを使い、約2000～4000ステップの一度きりのジョブが実行されます。
出力されるLoRAファイルは数百MBで、キャラクターIDに紐づけてキャラクターストアに登録されます。
APIがリクエスト時にLoRAを使う仕組み
POST /v1/generation/jobs にcharacterIdを指定して呼び出すと、ワーカーは対応するLoRAをSDXLワークフローに読み込み、サンプリング時に適用します。
キャラクター別LoRAのおかげで、同じキャラクターの画像はすべて同じ人物のように見えます。
よくある質問
「How LovlyChat Keeps Character Images On-Model: Per-Character LoRAs Explained」では、一般的なSDXLで生成するたびにキャラクターの容姿が変化してしまう理由と、LovlyChatが安価なGPUポッドで一度だけ学習させたキャラクター専用LoRAを使用して、どのように顔の整合性を維持しているかを解説しています。AIコンパニオン製品を比較検討している方や、恋愛シミュレーション形式のチャット体験を評価している方、またプラットフォームを試す前にこのトピックを深く理解したい方に向けた内容です。
この記事は、SDXLのキャラクター整合性について調べている方、コンパニオンAIプラットフォームを比較している方、そしてどのような製品機能がAIチャットをよりパーソナルで継続的に楽しめるものにしているのかを知りたい方に向けたものです。
SDXLのキャラクター整合性が重要なのは、このトピックを検索するユーザーが単なるチャットボットの利用よりも強い目的意識を持っているためです。彼らは単なる目新しさや一回限りの回答ではなく、記憶、性格、そして物語の継続性を重視しています。
LovlyChatのウェブサイトで、コンパニオンの閲覧やカスタムキャラクターの作成、ブラウザ上での継続的なチャットスレッドを開始することで、これらの機能を直接体験いただけます。