自托管的 LoRA 训练工作台。把 kohya / diffusion-pipe / anima_lora 三个训练后端套在同一份配置 schema、同一套 REST + SSE API 和同一个 React Web UI 之下。
需要 Python 3.11 或 3.12，Windows / Linux / macOS 可用，训练时需要一块 8 GB+ 显存的 NVIDIA GPU。至少装一个训练后端。
scripts/install.bat（Windows）或 scripts/install.sh（Linux）会从零搭好运行环境：通过 uv 安装 Python 3.12、创建 .venv、装 Python 依赖、装便携 Node.js、装前端依赖。所有产物落在项目根目录的 .lorahub/、.venv/、.node/ 下，完全自包含。
git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
scripts\install.bat # 默认走 GitHub / PyPI / nodejs.org
scripts\install-cn.bat # 国内镜像版（gh-proxy + 清华 PyPI + npmmirror）git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
bash scripts/install.sh # 国外
bash scripts/install-cn.sh # 国内镜像版装好后用 scripts\run.bat / scripts/run.sh 启动：
scripts\run.bat # 默认生产模式：API + 已构建的 SPA
scripts\run.bat dev # 开发模式：API + Vite 热更新
scripts\run.bat api # 仅启动 API
或注册全局 lorahub CLI（推荐）：
# Linux / macOS / WSL
.venv/bin/lorahub manage install # → ~/.local/bin/lorahub
# Windows
.venv\Scripts\lorahub manage install # → %LOCALAPPDATA%\lorahub\bin\lorahub.cmd
# 之后可在任意目录使用：
lorahub doctor # 查看环境健康度
lorahub service start # 启动后台守护（随机端口）
lorahub service start --port 18765 # 指定端口
lorahub service status # 查看运行状态
lorahub service stop # 停止
lorahub service enable # 注册系统级开机自启（Linux/macOS，需 sudo）
lorahub manage update # 拉最新代码 + 重装依赖 + 重建前端
lorahub manage upgrade # 切到最新 release tag
lorahub manage build # 仅重建前端
lorahub --lang en --help # 切换为英文 help / 输出完整子命令见 scripts/README.md。
git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
pip install -e ".[api,dev]"
cd web && npm install && cd ..kohya 与 diffusion-pipe 通过 CLI 一键引入：
lorahub bootstrap-kohya # SD1.5 / SDXL / SD3 / FLUX / Lumina / HunyuanImage / Anima
lorahub bootstrap-diffusion-pipe # diffusion-pipe + DeepSpeedanima_lora 已 vendored 在 external/anima_lora/，无需再 clone。它需要独立的 venv（CPython 3.13 + torch 2.11/2.12 nightly + CUDA 13.x），首次安装可在 Web UI 的「设置 → 安装」面板一键 uv sync，再用「下载模型」按钮拉取约 14 GB 的 Anima 基础模型。
如需指向已有的 checkout：
export LORAHUB_KOHYA_SD_SCRIPTS=/path/to/sd-scripts
export LORAHUB_DIFFUSION_PIPE=/path/to/diffusion-pipe
export LORAHUB_ANIMA_LORA_PYTHON=/path/to/anima_lora/.venv/bin/python| Extra | 用途 |
|---|---|
api |
FastAPI 服务（lorahub serve） |
gpu |
WD14 标注通过 onnxruntime-gpu 走 CUDA |
tagging |
JoyTag（PyTorch）标注后端 |
dev |
测试、lint、mypy、httpx |
docs |
mkdocs 文档站 |
lorahub init my_character # 在 configs/ 下生成模板
$EDITOR configs/my_character.yaml # 填 checkpoint 与数据集路径
lorahub validate configs/my_character.yaml # 校验配置
lorahub train configs/my_character.yaml # 启动训练
lorahub serve --port 18765 # 启动 Web UI + REST API（可选）启动后访问 http://127.0.0.1:18765。Job 详情页通过 SSE 实时推送事件，断线后通过 Last-Event-ID 续传。
完整使用流程见 docs/getting-started/quickstart.md。
- 三后端一份配置：在「设置 → 后端配置」选
kohya/diffusion-pipe/anima_lora，三个后端共用同一份 schema 与 UI。 - 可视化配置编辑器：每个字段按 schema 与后端可见性过滤，锁定字段、警示字段都有徽标提示。
- 图像工作台（Image Studio）：WD14（默认
SmilingWolf/wd-eva02-large-tagger-v3）/ JoyTag 标注、smart-caption（WD14 + 视觉 LLM）、感知哈希去重、批量画质评分。 - 任务调度：单 GPU 队列，断点续训，多 GPU 通过每槽位
CUDA_VISIBLE_DEVICES切片。重启后非终止任务标记为interrupted，残留训练进程自动回收。 - 实时事件：
/api/jobs/{id}/sse、/api/system/sse、/api/backend/bootstrap/sse，WebSocket 保留为兜底。 - 超参 sweep：grid、random、Optuna TPE 三种模式，TPE 提供 Pareto 视图，进度跨重启恢复。
- CLI 与 API 对齐：
lorahub jobs ls/show/cancel/kill/resume/rerun、lorahub sweeps submit/ls、lorahub system gpu/info。 - anima_lora 完整工作流：模型下载、Anima transformer + Qwen-Image VAE + Qwen3 文本编码器配套配置、训练时按 epoch 自动出样本图。
| 后端 | 上游 | 覆盖范围 | 备注 |
|---|---|---|---|
kohya |
kohya-ss/sd-scripts | SD1.5、SDXL、SD3、FLUX、Lumina、HunyuanImage、Anima | 单进程，LoraHub 自建 venv 与 argv。 |
diffusion-pipe |
tdrussell/diffusion-pipe | DiT 阵列与视频：Wan、HunyuanVideo、LTX、Cosmos、Flux2、Chroma 等 | DeepSpeed pipeline，可选多机 launcher。 |
anima_lora |
sorryhyun/anima_lora | 仅 Anima DiT | vendored 在 external/anima_lora/，详见下文。 |
每个后端的字段映射在 lorahub/core/backends/<name>/compiler.py，schema 字段过滤在 lorahub/core/config/schema.py。
external/anima_lora/ 是 sorryhyun/anima_lora 的固定 snapshot，按上游 license 随附。它扩展了 Anima DiT 的训练手段：OrthoLoRA 正交分解、T-LoRA 低秩组合、Hydra 多头适配、postfix 注入、EasyControl 条件控制、IP-Adapter、DMD turbo 蒸馏。
不接受针对 external/ 的直接 PR——bug 修复请去上游。集成层（lorahub/core/backends/anima_lora/）的改动属于 LoraHub 范畴，欢迎 PR。
lorahub jobs ls # 列任务
lorahub jobs cancel <id> # 优雅停止
lorahub jobs kill <id> # SIGKILL 进程组
lorahub jobs resume <id> # 从最新 checkpoint 续训
lorahub jobs rerun <id> # 用同一份配置重跑
lorahub sweeps submit configs/sweep.yaml
lorahub sweeps ls
lorahub system gpu # CUDA 设备快照
lorahub system info # python / torch / 后端探测REST 端点全部挂在 /api：/api/configs、/api/jobs、/api/jobs/{id}/sse、/api/sweeps、/api/image-studio/*、/api/system/sse、/api/models/download 等。默认绑定 127.0.0.1，无内置鉴权——请勿直接暴露到公网；如需远程访问请加反向代理与认证。
LoraHub 采用 AGPL-3.0-or-later。完整文本见 LICENSE。如果你修改 LoraHub 并通过网络对外提供服务，AGPL 要求把修改后的源码同时开放给这些用户。
external/anima_lora/ 由其上游 license 管辖，详见 external/anima_lora/LICENSE。
PR 与 issue 流程见 CONTRIBUTING.md。社区行为规范见 CODE_OF_CONDUCT.md。
本项目已在 LINUX DO 社区 发布，感谢社区的支持与反馈。