【LoRA学習用】画像とテキストタグ（キャプション）の準備からフォルダ構成まで徹底解説

LoRA（Low-Rank Adaptation）は、既存のAIモデルに対して、自分のイラストや作風を学習させられる技術です。
でもいざ始めようとすると──

「どの画像を選べばいいの？」
「タグってどうやるの？」
「フォルダ構成って好きにしていいの？」

といった疑問が次々と出てきますよね。

この記事では、自分の作品をもとにLoRAを学習させたい方のために、画像選定・タグ設計・フォルダ構成といった“学習セットの作り方”を徹底解説します。
専門的には「データセット」と呼ばれるこの工程こそ、AIがあなたの作風を正確に学ぶための“土台”になります。

未来

「ただ学ばせる」だけでなく、あなたらしさをしっかり活かすために何が必要なのか、最初の一歩から順を追って見ていきましょう。

LoRA用 学習セット設計ガイド

1. 【画像選定】──LoRA学習の“核”になるステップ

まずは、AIに学ばせたい「自分らしい作品」を選びます。
このステップは、LoRA学習における“設計図”のようなもので、仕上がりを大きく左右します。

選定のポイントは以下のような観点です。

• 作風の一貫性（色使いや線のタッチが似ている）
• スタイルの特異性（他と明確に違う、独自の個性がある）
• 表現の代表性（「これぞ自分の絵」と言える代表作）
• ジャンル別の整理（例：抽象人物／異形／形のない存在など）

目安としては、最低15〜30枚程度から始めるとバランスが良く、学習効率も上がります。

Point：
同じキャラクターやモチーフが繰り返し登場する作品は特に強力。
また、色数が多すぎず、ある程度パターンがある作品は、AIにとっても学びやすい傾向にあります。

2. 【画像前処理】──AIに「作品の本質」を伝える

選んだ画像はそのまま使うのではなく、AIが学習しやすい形に整える必要があります。
LoRA学習では、正確な特徴抽出と一貫性のある学習がとても重要。前処理を丁寧に行うことで、精度の高い再現が期待できます。

• 解像度の統一
  768px × 768px または 512px × 512px の正方形JPEGに統一します（どちらかに固定）。モデルによって推奨解像度が異なることもありますが、迷ったら768pxでOK。
• リサイズ方法
  アスペクト比を維持しながらのリサイズ、または中心を基準にトリミングして正方形に整えます。全体のバランスが崩れないように注意しましょう。
• 明るさや色味の調整
  作品ごとの見た目にバラつきが出ないように、明るさや色調を可能な範囲で調整します。
  → たとえば「夜の作品」と「昼の作品」を混ぜる場合も、光量や色温度を揃えると統一感が出ます。
• 歪み補正
  カメラで撮影した場合などにありがちな「傾き」や「パースの歪み」は、可能な範囲で修正しておきましょう。
• ノイズ除去（軽くでもOK）
  デジタル画像のザラつきやゴミは、AIの学習ノイズになることも。気になる場合は、軽くノイズ除去をしておくとより効果的です。

Point：
前処理の目的は「AIに余計な情報を与えず、本質だけを学ばせること」。
手間はかかりますが、後の学習精度に直結する重要な工程です。

例外的にPNGにしておくと良い場合

• 透過背景のあるデータ（後で使う予定がある）
• グラデーションや線が非常に細かく、画質を絶対に落としたくない
• 後で動画化や編集（切り抜き）に使うつもりがある

次のステップで使用できるツール

3. 【タグ付け（caption）】

タグ付け（キャプショニング）はLoRA学習における最大の難関の一つで、感覚的な判断が入りやすいため、人によって精度や傾向が大きく分かれます。
LoRAは「特定の画像とテキストの対応関係」を学習する仕組みです。“視覚的な意味づけ”を補完する言語（タグ）で個性を際立たせることがLoRA成功の鍵です。

例：

画像：赤い帽子をかぶった少女 → テキスト：red hat, girl

この関係性を数百回繰り返して学習し、「red hat」とプロンプトに打てば赤い帽子を出せるようにします。
つまり、正確なタグ付けがLoRAの効果に直結します。

多くの人がツールを使う理由

• 一貫性を保てる：人力だと同じモチーフでも表現がブレやすい。ツールなら一定のロジックで出力される。
• 時短になる：大量の画像に手作業でタグ付けするのは現実的でない。
• ベースとして便利：自動タグ付け結果を「土台」として手動で修正していく使い方が多い。

自動タグ付けツールの例（Kohya_ss対応）

使い分けのポイント

手動でのコツ

英語での記述推奨（Stable Diffusionは英語ベース）」

タグ.txtファイルをメモ帳で作る手順

1. メモ帳を開く
   • スタートメニューで「メモ帳」と検索
2. タグを入力する
   例：abstract humanoid, glowing eyes, faceless being, surreal, dreamlike, soft colors
3. 名前を付けて保存
   • 保存時に「ファイルの種類」を「すべてのファイル」に変更
   • ファイル名を「001.txt」のように入力（画像名と揃える）
   • 文字コードはそのままでOK（UTF-8）

• 画像と同名のテキストファイル（.txt）を作成
  　例：
  　- image001.png
  　- image001.txt → faceless humanoid, pastel color, dreamlike, soft light

タグ（caption）ファイルの扱い

.txtファイルの中身例

abstract humanoid, glowing eyes, faceless being, surreal, dreamlike, soft colors

このタグ情報が、AIに「どういう絵なのか」を伝える言葉になります。英語で、簡潔かつ視覚的に意味のある言葉を使用して、多くても10〜15ワード以内にまとめます。

データセットの構成イメージ

/train01/
├── 001.jpg
├── 001.txt　← タグを書いたテキストファイル
├── 002.jpg
├── 002.txt
...

 lora_train01というフォルダに画像と、タグのタイトルをそろえて入れる。

4. 【データ拡張（あれば）】

学習枚数が少ない場合は、以下の方法で同じ画像の別バージョンを作成

• クロップ（中心以外を切り取ったバージョン）
• 彩度・明度・角度の微調整版

→ あくまで「別画像」として使える程度に調整

5. 【LoRA学習時の設定（概略）】

• base model：Stable Diffusion 1.5 など（最初はこれで十分）
• resolution：512 or 768（画像に合わせる）
• learning rate：0.0001〜0.0005
• dim/rank：4～16（小さめスタート推奨）
• epoch：10～20程度（枚数で調整）

LoRA学習時おすすめのフォルダ構成

C:\Users\Owner\kohya_ss\
　　　　　　　　├── kohya_data\　　　　　　← データ系（学習素材）
　　　　　　　　│   ├── lora_train01\
　　　　　　　　│   │   ├── img\
　　　　　　　　│   │   ├── txt\
　　　　　　　　│   │   └── reg\
　　　　　　　　│
　　　　　　　　├── outputs\　　　　　　　← 出力ファイル（学習済LoRAなど）
　　　　　　　　│   ├── 10_loracat\
　　　　　　　　│   └── 15_loradog\
　　　　　　　　│
　　　　　　　　├── configs\　　　　　　　← 設定ファイルの保存場所（任意）
　　　　　　　　│
　　　　　　　　├── venv\　　　　　　　　← 仮想環境（Anacondaなしで動かす場合）
　　　　　　　　├── GUI起動用のbatファイルやスクリプト
　　　　　　　　└── READMEなど

 ここまで用意が出来たら、いよいよ実際にトレーニングをしていきましょう。続きはこちらのリンク記事で解説しています。

あわせて読みたい

【初心者向け】自作LoRAの作り方｜LoRAをKohya_ssで学習する方法｜Anaconda + CUDAでローカル環境構築【… 近年、イラストや写真などのスタイルをAIに学習させる「LoRA（Low-Rank Adaptation）」が注目を集めています。中でも、人気の学習ツール「Kohya_ss」は、最低限のコマン…