RunPodで質感LoRAをつくる｜GPU・コスト・設定の判断基準

RunPodでLoRAを回す操作手順は、**SAKASA AIさんの記事「RunPodの料金と使い方」**が最も丁寧にまとめられています。

環境構築からKohya_ss GUIの立ち上げまで、迷わず進められる良記事です。

本記事はその次のステップ——「どのGPUを選び、どんな設定で回せばコストと品質のバランスが取れるか」の判断基準を書いています。

特に、質感LoRA（マチエールをAIに刻むためのLoRA）を訓練させる場合に焦点を絞ります。

☁️ Floyoなら質感LoRAをブラウザだけで試せます → 登録＆30日間無料コードの使い方( https://note.com/texture_lora_lab/n/n3f9a90e76a03 )

☁️ Floyoなら質感LoRAをブラウザだけで試せます → 登録＆30日間無料コードの使い方( https://note.com/texture_lora_lab/n/n3f9a90e76a03 )

第1節：質感LoRAとキャラクターLoRAの作成要件の違い

LoRA作成と一口に言っても、「何を訓練させるか」で要求されるリソースは大きく変わります。

キャラクターLoRAは、顔の造形・体型・髪型など「形状」の特徴を学びます。

輪郭やパーツの配置関係が主な学習対象であり、512〜768pxの解像度でも十分に特徴を捉えられます。

dim=16〜32で形状の特徴が収束することが多いです。

質感LoRAは、筆触・マチエール・素材の物性を学びます。

金箔の微細なクラック、厚塗りのパレットナイフの痕跡、漆の深い光沢——これらはピクセルレベルの微細な情報の集積です。

テクスチャの微細な情報を拾うためには、解像度とバッチサイズの要求が一段階上がります。

つまり、同じLoRA作成でも、質感LoRAは「より大きなVRAM」と「より長い作成時間」を必要とします。

ここが、GPU選択の判断基準が変わる根拠になります。

訓練させたいのが「キャラクターの顔」なのか「キャンバスの表面」なのか。

その答えによって、この先の選択が分岐します。