SD WebUI Forge 実践ガイド — RTX 5070 Ti / waiNSFWIllustrious + LoRA環境向け¶

📁 docs/ai-manga/artifact/20260313_SD_WebUI_Forge_実践ガイド.md

目次¶

1. LoRA学習の基礎
2. 便利な拡張機能（ControlNet以外）
3. ワークフロー改善Tips

1. LoRA学習の基礎¶

1-1. イラストレータースタイルLoRAとは¶

LoRA（Low-Rank Adaptation）は、ベースモデルの重みを直接変更せず、差分の低ランク行列を学習することで特定のスタイル・キャラクター・概念を追加学習する手法。ファイルサイズが小さく（数十〜150MB程度）、waiNSFWIllustrious等のSDXL系モデルと組み合わせて使用する。

1-2. 学習データの準備¶

画像収集の方針¶

• 枚数の目安：キャラクターLoRAで20〜40枚、スタイルLoRAで50〜100枚
• 品質が枚数より重要。「50枚の丁寧にタグ付けされた画像 > 150枚の雑なデータ」
• 多様な角度・ポーズ・衣装・表情を含めること
• 単純な背景・単体被写体が望ましい（複雑な背景・複数人は避ける）
• 解像度は1024×1024px以上（Illustrious/SDXL系の学習解像度に合わせる）

画像前処理¶

1. 解像度統一：1024×1024にリサイズまたはクロップ
2. 重複・低品質画像の除去
3. Bucket（可変アスペクト比）を有効にすることで、縦横比を維持したまま学習可能

タグ付け（キャプショニング）¶

アニメ・イラスト系にはWD14 Taggerが最も適している。kohya_ss/sd-scripts付属のスクリプトで一括処理できる。

# WD14 Tagger v3 による一括タグ付け
python finetune/tag_images_by_wd14_tagger.py \
  --batch_size=4 \
  --repo_id="SmilingWolf/wd-vit-tagger-v3" \
  --onnx \
  --use_rating_tags \
  --character_tags_first \
  --always_first_tags="1girl" \
  ./dataset/images

• 生成されたタグは必ず手動で確認・修正する（不要タグの削除、トリガーワードの追加）
• トリガーワード（例：sinon_style）を各キャプションの先頭に追加する
• Danbooru形式のタグが標準（solo, white hair, blue eyes, ...）

1-3. 推奨学習ツール¶

kohya_ss（GUI版）¶

• リポジトリ：https://github.com/bmaltais/kohya_ss
• GUIで設定できるため初心者向け。内部でkohya-ss/sd-scriptsを使用
• Windows/Linux対応、Python仮想環境で動作

kohya-ss/sd-scripts（CLI版）¶

• リポジトリ：https://github.com/kohya-ss/sd-scripts
• コマンドライン・スクリプトベース。自動化・細かい制御に適している
• SDXL専用スクリプト：sdxl_train_network.py

1-4. SDXL/Illustrious系向け推奨パラメータ¶

スタイルLoRA向け設定例¶

# config_style_lora_sdxl.toml
[general]
enable_bucket = true
min_bucket_reso = 512
max_bucket_reso = 2048
resolution = 1024

[datasets.[[subsets]]]
image_dir = "./dataset/images"
caption_extension = ".txt"
num_repeats = 3

[network_args]
network_module = "networks.lora"
network_dim = 128
network_alpha = 64

[optimizer_args]
optimizer_type = "AdamW8bitDecoupled"
learning_rate = 2e-4
unet_lr = 2e-4
text_encoder_lr = 2e-5

[training_args]
mixed_precision = "bf16"
xformers = true
gradient_checkpointing = true
max_train_epochs = 10
train_batch_size = 2

学習コマンド例（SDXL）¶

accelerate launch sdxl_train_network.py \
  --config_file="config_style_lora_sdxl.toml" \
  --pretrained_model_name_or_path="./models/waiNSFWIllustrious_v150.safetensors" \
  --output_dir="./output/my_style_lora" \
  --output_name="my_style_lora_v1" \
  --save_model_as="safetensors" \
  --network_train_unet_only \
  --fused_backward_pass

--fused_backward_pass を使うことで、SDXL学習時のVRAM使用量を約10GBまで削減できる。

1-5. RTX 5070 Ti（16GB VRAM）での最適設定¶

バッチサイズ2 + gradient_checkpointingから始めてVRAM状況に応じて調整する。

2. 便利な拡張機能（ControlNet以外）¶

インストール方法（共通）¶

Forge の Extensions タブ → "Install from URL" → GitHubのURLを貼り付け → Install → Installed タブでApply and restart

2-1. ADetailer（顔・手の自動補正）★最重要¶

• GitHub：https://github.com/Bing-su/adetailer
• 用途：顔・手・体の崩れを自動検出してinpaintingで修正
• SDXLで発生しがちな顔の崩れを生成後に自動修正。実質必須拡張機能
• デノイズ強度0.4〜0.6、元のプロンプトを引き継ぐ設定が標準

インストールURL: https://github.com/Bing-su/adetailer.git

2-2. Ultimate SD Upscale（タイル分割アップスケール）¶

• 用途：img2imgのScriptとして動作するタイル分割アップスケーラー
• 通常のSDアップスケールよりタイル間の継ぎ目が少ない
• ADetailerと組み合わせると効果的

2-3. LayerDiffuse（透明背景生成）¶

• GitHub：https://github.com/lllyasviel/sd-forge-layerdiffuse
• 用途：透明背景（PNG with alpha）の画像を直接生成
• キャラクター素材作成・合成用に最適。Forge作者本人が開発

インストールURL: https://github.com/lllyasviel/sd-forge-layerdiffuse.git

2-4. AnimateDiff（アニメーション生成）¶

• GitHub（Forge専用版）：https://github.com/continue-revolution/sd-forge-animatediff
• 用途：生成画像をGIF/MP4アニメーションに変換
• PyTorch >= 2.0.0 が必要（現環境の2.7.0で対応）

インストールURL: https://github.com/continue-revolution/sd-forge-animatediff.git

2-5. Regional Prompter（領域別プロンプト）¶

• GitHub：https://github.com/hako-mikan/sd-webui-regional-prompter
• 用途：キャンバスの特定領域に異なるプロンプトを適用
• 複数キャラクターのシーン・背景と前景の独立制御に有用

インストールURL: https://github.com/hako-mikan/sd-webui-regional-prompter.git

2-6. Style Components（SDXLスタイル制御）¶

• GitHub：https://github.com/gustproof/sd-webui-forge-style-components
• 用途：参照画像からスタイルembeddingを抽出して適用
• Illustrious等のSDXLアニメモデルとの相性を考慮して設計

インストールURL: https://github.com/gustproof/sd-webui-forge-style-components.git

3. ワークフロー改善Tips¶

3-1. プロンプト管理¶

SDXL向けの特性¶

SD 1.5が短いタグ列を好むのに対して、SDXL（Illustrious含む）は自然言語的な描写文も有効。

# 重みは1.4以下（1.1〜1.3が実用範囲）
(white hair:1.2), (blue eyes:1.1)

# CFG Scale: 4〜7推奨（7以上は過強調になりやすい）

# 推奨品質タグ
masterpiece, best quality, very aesthetic, absurdres, highres

Styles機能で保存・管理¶

ForgeのStylesボタンで頻繁に使うプロンプトの組み合わせを保存。styles.csv に保存される。

3-2. Sampler推奨設定¶

3-3. img2imgのデノイズ強度目安¶

実践的なワークフロー： 1. txt2imgで構図・ポーズのラフ生成（低CFG、低ステップ） 2. img2img（デノイズ0.5〜0.6）で品質向上 3. ADetailerで顔・手を自動補正 4. Ultimate SD Upscaleで2〜4倍に高解像度化

3-4. Hires Fix推奨設定¶

Upscaler: R-ESRGAN 4x+ Anime6B（アニメ）/ 4x-UltraSharp（リアル系）
Upscale by: 1.5〜2.0
Hires steps: 15〜20
Denoising strength: 0.35〜0.5

3-5. バッチ処理・パラメータ比較¶

X/Y/Z Plot¶

スクリプトから選択し、CFG・LoRA強度・ステップ数等をグリッド形式で一括比較できる。

例: X軸=LoRA weight（0.4/0.6/0.8/1.0）× Y軸=CFG（5/6/7）
→ 12枚の比較グリッドを一括生成

Prompt Matrix¶

| 区切りで複数プロンプトを自動展開。

1girl, sinon, |school uniform|casual outfit|swimsuit|, blue eyes
→ 3パターン自動生成

クイックリファレンス¶

初回生成の推奨設定（waiNSFWIllustrious + sinon LoRA）¶

Model: waiNSFWIllustrious_v150.safetensors
LoRA: <lora:sinon-05:0.7>
Prompt: masterpiece, best quality, very aesthetic, absurdres, 1girl, sinon, ...
Negative: worst quality, bad quality, lowres
Sampler: DPM++ 2M Karras / Steps: 28 / CFG: 5.5
Resolution: 1024×1024
Clip skip: 2
Hires Fix: 有効 / Upscaler: R-ESRGAN 4x+ Anime6B / Denoising: 0.4

LoRA学習クイックスタート（キャラクターLoRA）¶

Dataset: 20〜40枚 / 1024×1024 / WD14 v3タグ付け
Network Dim: 64 / Alpha: 32
LR (UNet): 3e-4 / LR (TE): 3e-5
Optimizer: AdamW8bit / Scheduler: cosine
Epochs: 10 / Batch size: 2
Options: --network_train_unet_only --fused_backward_pass --gradient_checkpointing
Mixed precision: bf16

LoRA強度の目安¶

<lora:name:0.7>  ← 標準（スタイル参照しつつベースモデルの質感を保つ）
<lora:name:0.5>  ← 控えめ
<lora:name:1.0>  ← 強め（過学習LoRAは崩れやすい）
複数LoRA使用時は合計1.2以下を目安に