LoRAの使い方｜Stable Diffusionへの入れ方3ステップと強度0.6〜0.8の目安 (2026年版)

Stable Diffusionとは、テキスト指示から画像を生成したり、既存画像を編集したりできるAI画像生成モデルです。

同じキャラを指定したはずなのに、生成するたびに顔も服も別人になります。画像生成AIを触り始めた人が、ほぼ全員ぶつかる壁です。

この壁を壊す道具がLoRA（ローラ）です。完成済みのモデルに小さな追加ファイルを差し込み、特定の絵柄やキャラを後から覚えさせます。正式名称はLow-Rank Adaptation、訳すと「低い次元での適応」。

ファイルサイズは数MBから数百MB。本体には一切手を入れないので、気に入らなければ外すだけで元通りです。

---

LoRAとは？モデル本体を触らず絵柄だけ後付けする追加ファイル

LoRAは、大きなAIモデルの横に薄い追加パーツを1枚挟み、そこだけを学習させる技術です。本体が無傷なので、失敗しても壊れません。

AIに新しいことを覚えさせる作業（ファインチューニング＝追加学習）は、本来ならモデル全体の数値を書き換えます。これがとにかく重いです。個人のパソコンではまず回りません。

LoRAはその代わりに、分厚い辞書の本文をそのまま残して、付箋を数枚貼るだけで新しい意味を足します。付箋なので剥がせます。剥がせば元の辞書に戻ります。

この「壊れない」性質が効きます。合わなかったLoRAはフォルダから消せば終わり。手持ちのモデルを何度でも試着室に持ち込める感覚に近いです。

仕組みそのものの背景や、画像以外（社内文書に合わせた文章生成など）での使われ方はLoRAの仕組みと料金をまとめた記事が詳しいので、全体像から掴みたい人はそちらが早いです。

ここで先に、検索でよく混ざるもう一つの「LoRa」を片付けておきます。

---

検索で混ざる「LoRa」は別物｜生成AIの話か無線の話かを見分ける

同じ読みで綴りが違う「LoRa」は、IoT機器をつなぐ無線通信の規格です。生成AIとは何の関係もありません。

「lora」で検索すると、ゲートウェイ機器の比較やアンテナの記事が混ざって出てきます。迷ったら次の表で判別できます。

つまり、記事の中に「ゲートウェイ」や「電波」が出てきたら、それは探している話ではありません。この記事は前者、生成AIのLoRAだけを扱います。

軽さの正体を数字で見ると、なぜ個人でも手が届くのかがはっきりします。

---

なぜLoRAはこんなに軽いのか？｜学習する数値を1万分の1まで絞る

軽さの理由は単純で、書き換える数値の量そのものを桁で減らしているからです。動かす範囲を「低ランク」という小さなかたまりに限定します。

LoRAを考案したMicrosoftの研究チームは、2021年の原論文でこう報告しています。学習する数値の量を最大1万分の1に、GPUメモリの使用量を3分の1に減らしても、品質はフル学習と同等かそれ以上だったと。巨大な言語モデルGPT-3で検証した結果です。

画像側でも事情は同じです。SDXLの土台モデルだけで数値は35億個あります。それを全部いじる代わりに、ごく一部を狙って調整します。だから非力な環境でも回ります。

軽さが生む実利は4つに整理できます。

• 元のモデルを壊さない（外せば戻る）
• GPUが弱くても学習が回る
• ファイルが小さく、配布も保管も楽
• 複数のLoRAを重ねて使える

高価な機材を持たない個人が、自分だけの絵柄を持てるようになりました。それが2026年のLoRAの立ち位置です。

では、手元のStable Diffusionに実際どう入れるのか。

---

LoRAをStable Diffusionに入れる3ステップ

導入作業は、ファイルを置く・読み込み直す・呼び出し文を書く、この3つで終わります。設定ファイルの編集もインストーラーも不要です。

1. 所定のフォルダにファイルを置く

ダウンロードした.safetensorsファイルを、使っているツールのLoRA用フォルダへ入れます。置き場所はツールごとに決まっています。

つまり、フォルダ名の大文字小文字までツール依存です。効かないときの原因の大半がここにあります。

2. UIを読み込み直す

画面上の再読み込みボタンを押すか、アプリを起動し直します。フォルダに入れただけでは一覧に出てきません。

3. 呼び出し文を書く

プロンプト（AIへの指示文）に呼び出し文を足します。AUTOMATIC1111系なら書式はこれだけです。

masterpiece, 1girl, <lora:ファイル名:0.7>

末尾の数字が強度です。ここが仕上がりを決めます。ComfyUIの場合はLoRA Loaderノードを挟む形になり、書式ではなく画面上のつなぎ方で指定します。両者の設計思想の違いはComfyUIとStable Diffusionを比べた記事で整理しています。

もう一つ、配布ページに「trigger words」や「起動ワード」が書かれていたら、その単語もプロンプトに入れます。書かないとLoRAが眠ったままになるものがあります。

数字をいくつにするか。ここが一番迷うところです。

---

強度（重み）はいくつから試せばいい？0.6〜0.8から動かす

強度は0から1.5あたりまで指定できますが、最初に試すなら0.6〜0.8です。0.7を置いて、そこから0.1刻みで上下させるのが手堅い進め方になります。

値ごとの出方を並べます。キャラLoRAで試したときの傾向として読んでください。

つまり、上げれば似るという話ではありません。1.0を超えたあたりから、手の指や背景が破綻し始めます。

複数のLoRAを重ねるときは合計値を意識します。キャラ0.8と画風0.8を同時に入れると、互いに引っ張り合って両方とも中途半端になりがちです。合計1.2前後に収める配分から始めると安定します。

素材そのものの質が悪ければ、強度をいくら調整しても届きません。土台となるモデル選びから見直したい人はAI画像生成の基本をまとめた記事を挟むと遠回りが減ります。

次は、そもそもどのLoRAを拾ってくるかという話です。

---

LoRAは5タイプ｜配布サイトの見分け方とライセンスの確認手順

配布されているLoRAは、覚えさせている対象で5つに分かれます。タイプによって適正な強度も変わります。

つまり、画風LoRAをキャラLoRAと同じ0.8で入れると濃すぎます。タイプが変われば基準値も変えます。ここを知っているだけで試行回数が半分になります。

入手先は主に3つです。それぞれ性格がはっきり違います。

つまり、画像用のLoRAを探すなら作例が並ぶCivitaiが一択です。Hugging Faceは文章モデル向けのLoRAや研究成果を追うときに重宝します。

ダウンロード前に見るべき表示は4つあります。

• 対応モデル（SD 1.5用をSDXLに入れても効きません）
• サンプル画像の枚数と質
• トリガー語の記載
• ライセンス欄の商用利用アイコン

ライセンスは二段構えで確認します。LoRA自体の表記に加えて、土台にしているモデルのライセンスも生きているからです。ここを飛ばすと、販売してから止まる羽目になります。生成物の権利まわりで気になる点があるならAI画像の著作権を整理した記事を先に読んでおくと安全です。

配布されているものに欲しい絵柄がありません。そのときが自作の出番です。

---

自作の費用はいくら？｜GPUを1〜2時間借りて100円前後

学習は、GPUを時間で借りて自分で回すか、配布サイトの学習機能に任せるかの二択です。画像のキャラLoRAなら、前者で100円前後に収まります。

以下は2026年8月にRunPodとCivitaiの公式ページで確認した価格です。GPUは契約形態や在庫で上下します。

つまり、4090を1〜2時間借りれば足ります。日本円で100円前後。ここが個人にとっての現実的な入口です。

素材集めのほうが時間を食います。枚数を揃えることより、同じ特徴が一貫して写っていることが効きます。髪型が毎回違う写真を50枚集めても、AIは「どれが本人か」を掴めません。

環境構築ごと省きたいなら、Civitaiの学習機能がブラウザだけで完結します。消費するBuzz（サイト内通貨）は実行前に画面へ表示されるので、走らせてから請求に驚くことはありません。

GPUを借りるという発想自体が初耳なら、GPUクラウドの料金と選び方の記事を眺めておくと、この段取りが一気に具体的になります。

似た名前の手法が増えてきたので、そこも整理しておきます。

---

フル学習・QLoRA・DoRAとの違いは？書き換える範囲だけ

3つの手法の差は、モデルのどこまでを書き換えるかに集約されます。全体を書き換えるのがフル学習、追加パーツだけがLoRA、圧縮してから追加パーツを足すのがQLoRAです。

用途がきれいに分かれるので、迷う場面は実はあまりありません。

つまり、画像生成で自分の絵柄を作るならLoRA一択です。QLoRAやDoRAは、大きな言語モデルを限られたGPUに載せる文脈で名前が挙がる手法で、画像用途で最初に選ぶものではありません。

2026年に入ってからは、この派生手法が一気に増えました。DoRA、PiSSA、VeRAといった名前が並びます。どれも「本体を丸ごと書き換えない」という発想の延長線上にあり、LoRAを理解していれば読み解けます。

ここまでで仕組みと手順は揃いました。実際に触るとどう感じるかを、率直に書きます。

---

編集部の評価｜個人が手を出せる追加学習としては圧倒的

公開されている価格と仕様から判断すると、LoRAは費用対効果が破格です。100円前後で自分専用の絵柄が手に入る技術は、2026年時点で他に見当たりません。

良いところは3つあります。

• 失敗コストがほぼゼロ（本体を壊さず、外せば戻る）
• 配布量が多く、探す段階で満足度が高い
• 強度という一つのつまみで結果を大きく動かせる

正直イマイチなのは、情報の当たり外れが大きい点です。配布ページのトリガー語が古かったり、対応モデルの記載が抜けていたりします。効かないLoRAを掴んだとき、原因がファイルなのか設定なのか切り分けづらいです。ここは初心者がつまずく最大のポイントです。

ライセンス表記の緩さも気になります。商用利用の可否が投稿者の自己申告で、土台モデルの条件と食い違っている例が見られます。仕事で使うなら、ここは自分で二重に確認する前提で臨むべきです。

それでも総合的には推せます。追加学習という重い作業を、コーヒー1杯分の費用まで引き下げた功績が大きいです。画像生成AIを本格的に使うなら、避けて通る理由がありません。

---

よくある質問（FAQ）

Q. LoRAとLoRaは同じものですか

別物です。LoRA（Low-Rank Adaptation）はAIの追加学習技術、LoRa（Long Range）はIoT機器向けの無線通信規格です。検索結果に「ゲートウェイ」「LoRaWAN」が出てきたら後者の話なので読み飛ばして問題ありません。

Q. LoRAを入れたのに絵が変わりません

原因は3つに絞れます。フォルダの場所が違う、UIを読み込み直していない、トリガー語を書いていません。この順に確認してください。それでも変わらない場合は、LoRAの対応モデル（SD 1.5用かSDXL用か）と、いま読み込んでいるモデルが噛み合っていない可能性が高いです。

Q. LoRAは何個まで同時に使えますか

技術的には何個でも重ねられますが、実用上は2つか3つが限界です。それ以上は互いに干渉して、どのLoRAも効かない状態になります。合計強度を1.2前後に収める配分から試すのが安全です。

Q. 自作にはどれくらいのGPUが必要ですか

SDXL向けの学習を家庭用のパソコンで回すのは、待ち時間の面で現実的ではありません。時間0.34ドルからのレンタルに逃がしたほうが速く、結果的に安く済みます。手元の機材を増強する前に、まず借りて回数を稼ぐほうが上達も早いです。

Q. 作ったLoRAを配布・販売してもいいですか

土台にしたモデルのライセンス次第です。学習元のモデルが商用利用や再配布を制限している場合、そこから作ったLoRAにも条件が及びます。実在の人物やアニメキャラを学習させたものは、権利の問題が別に発生するため、公開前に権利関係の確認が必須です。

---

LoRAを入れる前提として、そもそもどのモデルを選ぶかで仕上がりの8割が決まります。写真のような画像を狙っているなら、実写系AI画像生成ツールを比較した記事が次の1本として役に立ちます。土台を決めてから、LoRAで味付けします。この順番が近道です。

画像生成まわりのツールをまとめて眺めたい場合はAI画像生成カテゴリから探せます。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• Stable Diffusion：公式サイト（AI PICKSの詳細）
• Civitai：公式サイト（AI PICKSの詳細）
• ComfyUI：公式サイト（AI PICKSの詳細）
• Hugging Face：公式サイト（AI PICKSの詳細）
• PixAI.art：公式サイト（AI PICKSの詳細）