OmniLoRA는 커뮤니티 작가 cyberterm이 만든 ComfyUI 학습 노드입니다. 캔버스에 확산 모델, 텍스트 인코더, VAE를 연결하고 이미지 폴더와 트리거 워드를 입력하면 학습을 시작할 수 있으며, LoRA는 models/loras 폴더에 저장됩니다. 학습된 모델은 KSampler에 직접 연결하여 이미지 생성 결과를 확인할 수 있습니다. 작가는 이 노드가 ComfyUI 런타임에서 아키텍처를 자동으로 인식하며 Flux, Qwen-Image, Wan, SDXL, HunyuanVideo, LTX-Video 등을 지원한다고 밝혔습니다. 또한 FP8, INT8, GGUF 양자화 기반 모델에서도 학습이 가능합니다. 학습 시작 전에 VRAM을 미리 계산하여, VRAM에 맞지 않는 레이어는 필요할 때 메모리에서 로드합니다. 5개의 예제 워크플로우와 캔버스 내 손실 곡선 패널이 포함되어 있으며, 언제든지 수동으로 체크포인트를 저장할 수 있고 중단 시 자동 저장됩니다.
왜 중요한가 별도의 학습 환경을 구성할 필요가 없습니다. 작가는 FP8, GGUF 등 양자화 기반 모델과 Intel, AMD, Apple 그래픽 카드를 지원한다고 밝혔으며, VRAM이 부족할 경우 레이어를 메모리로 이동합니다.
GitHub 스타 17 · Registry 다운로드 8
라이선스: 상업적 사용 가능 · ComfyUI: 커뮤니티 노드·스캔 통과 · VRAM: VRAM 미표기
노드 감사: N1 통과 · N2 경고 있음 · N3 수동 검토 대기(버전 1.0.2)
- MEDIUM pickle / torch.load에 weights_only 옵션 미포함
이유
- Apache-2.0 라이선스; README에 인물, 스타일, 빠른 테스트, 저사양 VRAM 환경별 시작 파라미터가 제공됨
- 작가는 추가 pip 의존성이 필요 없으며, ComfyUI에 포함된 torch, safetensors, Pillow만 사용한다고 밝혔습니다.
사용법
- 노드 설치 후 example_workflows 폴더의 omni_lora_basic_workflow.json 파일을 ComfyUI로 드래그하여 불러온 뒤, Load Diffusion Model, CLIPLoader, VAELoader에서 모델을 선택하고, OmniLoRA Dataset & Prompt Loader에 이미지 폴더 경로와 trigger_word를 입력한 후 Queue Prompt를 클릭합니다. 8–12 GB VRAM 그래픽 카드의 경우 작가는 optimizer로 adafactor를 권장합니다.
리스크
- 노드 감사 결과 N1 통과, N2 경고 있음(torch.load 한 곳, 코드에 이미 weights_only=True 포함), N3 수동 코드 검토는 아직 수행되지 않았으므로 이번 호에서는 설치 명령어를 제공하지 않습니다.
- 1.0.2 버전이 방금 출시되어 Registry 다운로드 수가 적습니다. 지원되는 아키텍처는 작가가 직접 테스트한 것이며, 학습 효과는 기반 모델과 데이터에 따라 달라질 수 있습니다.