Acabei de completar 6 meses de autoaprendizado.
Existem dois sites gratuitos que eu conheço e curto porque fazem o que eu gosto... pornworks e perchance. São bem precisos e poderosos pra caramba, desde que você aprenda a fazer o prompt direito. Esse foi meu primeiro passo. Quando consegui fazer os webapps online me darem o que eu queria, fiquei satisfeito com esse avanço. Não estou dizendo que não tem mais o que aprender, tem um monte, e eu estou só começando, então uso frases básicas bem escritas pra descrever a ideia geral em uma ou duas frases. Depois listo os detalhes e uso palavras-chave separadas por vírgula, por exemplo.
Aí quis aprender mais sobre a parte técnica, então peguei uma EVGA GTX 1080TI usada no ebay por 150 dólares. Funciona perfeitamente pra modelos pequenos e mantém meu orçamento lá embaixo. Não vejo sentido em pagar mais que o preço de varejo, não importa quão boa seja a GPU ou quão nova seja a geração. Usei o LUMO pra me ajudar, fazendo as perguntas (que eu achava que eram as boas) que eu precisava pra aprender o que estava tentando fazer. Rodo 32 GB de RAM, tudo ddr4, baratíssimo. NVME pra velocidade do sistema, mas uso HDs/SSDs extras pra guardar modelos grandes / backup de loras.
Com o hardware pronto, fui aprender sobre LLMs e quais eram os termos certos que eu precisava aprender, saber, entender, pra me guiar no "ecossistema". Considerem o escopo: por enquanto só estou aprendendo geração de imagem, então minhas perguntas são bem específicas. Mas na real eu comecei com LLMs de texto, rodo o LM studio local, com um modelo bacana que é ótimo em matemática e ciência, registros históricos etc., ele programa e é MUITO bom nisso. Estou usando o modelo Qwen3.5 9B Uncensored HauhauCS Aggressive, se quiserem saber. É bom o bastante pra começar, acho.
Com isso e o LUMO, consegui aprender o que são frameworks, workflows, nodes, comfy UI, local vs não local, a diferença entre LLM de geração de texto e modelos de geração de imagem... Depois que tive uma ideia básica, assisti uns vídeos do youtube por mais ou menos um mês, só pra ver o que os outros fazem, e sinceramente não ajudou muito aqui porque a maioria das pessoas que fazem guias tinha vídeos velhos demais ou o software mudou e eu tomava erro seguindo, e mais importante, eram avançados demais e não explicavam os conceitos básicos, idiotas de tão simples, que me faltavam.
Aí continuei com os LLMs de texto, instalei o comfy UI e carreguei meu primeiro modelo do RED-CIVIT.AI, que era um SD 1.5, pra manter tudo pequeno e fácil pra minha GPU e também pro workflow. Não é tão assustador quanto achei no começo, mas só porque fiquei nos mapas (ou seja, workflows) mais básicos. Uso só os nodes necessários e não tem nada sofisticado rolando. Também não tinha expectativa nenhuma do que ia sair. Só fui contornando bugs, problemas de software e instalação, pegando o jeito, usando mais o LUMO porque ele acessa a web e é mais atualizado: pega as últimas atualizações de software, patches, mudanças etc.
A maior parte do meu tempo até agora foi, na verdade, criar direito os ambientes no meu computador e manter tudo organizado. Quando consegui rodar a configuração mais básica, pude começar a aprender sobre os nodes e os bugs que dava ao copiar o workflow de outra pessoa (isso foi um pesadelo se for complexo, aliás), então continuei usando o LUMO pra me ajudar, usando só os nodes necessários pra gerar em SD 1.5. Tenho tipo uns 5 - 8 nodes, se não me engano, hum, o que tem a lora, acho. Talvez 6 nodes só pra texto pra imagem? Não posso olhar agora, estou treinando uma lora neste exato momento.
Seguindo, depois que dominei o SD 1.5, passei a aprender mais sobre os diferentes modelos, o que são LORAs, e estilos ou temas. No Civit.AI é bem fácil ver o que você vai pegar e eles organizam bem, então fiquei por lá pra isso. Descobri quais modelos e loras funcionam na minha GPU, comecei a baixar alguns modelos pros poucos arquétipos diferentes que existem: tenho pony, krea2, SD 1.5, SDXL, Illustrious, e por aí vai, e pra cada um peguei algumas loras, só algumas, mantendo os diretórios limpos e organizados num VENV funcionando – isso é pra python no linux.
Depois aprendi e salvei os workflows mais básicos pra cada tipo de modelo – com / sem lora, com / sem imagem de entrada junto com o texto. Agora posso usar qualquer um desses modelos com e sem loras pra gerar uma imagem a partir de texto. Sem falar que aprendi diferentes formas de controlar o resultado, como UNET, text encoders, vae e custom nodes.
Aí quis treinar uma lora de personagem, então fui nessa, usando o LUMO de novo como guia porque ele acessa a net e tem informação atualizada. Instalei o framework de treino kohya_ss e botei tudo pra funcionar, árvore de diretórios organizada etc... e esta manhã estou processando minha lora de personagem V2. Esta manhã usei pela primeira vez minha própria lora, que treinei a noite inteira ontem. Levou 10 horas. Nada mal, pensei. Então perguntei de novo como melhorar isso depois de testar e usar essa lora. Ela funciona certinho, mas é forte, forte demais na verdade, e tem pouca flexibilidade.
Fazendo uns ajustes no comando de treino inicial, agora estou rodando um treino pra produzir uma lora mais flexível, mas com o mesmo dataset.
Isso eu não mencionei, mas tive que aprender a criar e processar um dataset antes de treinar a lora... faz parte do processo. Claro que existem infinitas formas de fazer isso, mas escolhi uma abordagem simples que me ensinasse os conceitos básicos, e também uso CLI e não GUI pra ganhar mais experiência com o terminal. É mais fluido e controlável, com ajuste fino, mas um pouco mais complexo de configurar no início. Dá pra usar windows e kohya_ss, mas é uma GUI e eu NÃO uso windows, faz mais de 10 anos. Não volto mais.
Dito isso, estou muito satisfeito com meu progresso porque não ouço conselho ruim dos outros quando o assunto é usar IA como guia. Eu pergunto pras pessoas e todo mundo parece ter opiniões bem negativas sobre IA e entendo o porquê, eu também não curto muito as fazendas de IA da indústria porque gastam muita eletricidade, prefiro usar local quando posso. Só não desistam, usem uma ferramenta, aprendam ela direito e continuem adicionando ferramentas na caixa. Considerem tudo que alguém disser e não tenham preconceito, porque vocês podem perder algo que poderia ajudar se simplesmente não tivessem virado a cara.
Vocês vão achar o que funciona pra vocês, e esse é o meu conselho.
Editado por gramática ou ortografia etc.
