OmniLoRA 是社区作者 cyberterm 的 ComfyUI 训练节点:在画布上接好扩散模型、文本编码器和 VAE,填图片文件夹和触发词就能训练,LoRA 存进 models/loras,训练后的模型可直接接 KSampler 出图检查。作者称它从 ComfyUI 运行时自动识别架构,支持 Flux、Qwen-Image、Wan、SDXL、HunyuanVideo、LTX-Video 等,也能在 FP8、INT8、GGUF 量化底模上训练;开训前先算好显存,放不下的层从内存按需调入。附 5 个示例工作流和画布上的损失曲线面板,可随时手动保存检查点,中断时自动保存。
为什么重要 不用另配训练环境;作者称支持 FP8、GGUF 等量化底模和英特尔、AMD、苹果显卡,显存不够时把层放到内存。
GitHub 星 17 · Registry 下载 8
许可证:可商用 · ComfyUI:社区节点·扫描通过 · 显存:显存未标
节点审计:N1 通过 · N2 有提示 · N3 待人工(版本 1.0.2)
- MEDIUM pickle / torch.load 不带 weights_only
理由
- Apache-2.0;README 按人物、风格、快速测试、低显存分别给了起始参数
- 作者称不需要额外 pip 依赖,只用 ComfyUI 自带的 torch、safetensors 和 Pillow
用法
- 装好节点后把 example_workflows 里的 omni_lora_basic_workflow.json 拖进 ComfyUI,在 Load Diffusion Model、CLIPLoader、VAELoader 里选模型,在 OmniLoRA Dataset & Prompt Loader 填图片文件夹路径和 trigger_word,点 Queue Prompt;8–12 GB 显卡作者建议 optimizer 选 adafactor
风险
- 节点审计 N1 通过、N2 有提示(一处 torch.load,代码里已带 weights_only=True),N3 人工通读还没做,本期不给安装命令
- 1.0.2 刚发布,Registry 下载很少;支持的架构是作者自己测的,训练效果因底模和数据而异