ERNIE-Image

fal.ai ERNIE-Image LoRA 云端训练 API：零 GPU 门槛的 $1.2 微调方案

Jun 9, 2026

fal.ai ERNIE-Image LoRA 云端训练 API：零 GPU 门槛的 $1.2 微调方案

摘要：fal.ai 官方推出了 ERNIE-Image LoRA 云端训练 API（fal-ai/ernie-image-trainer），定价 $1.2/1000 steps。无需本地 GPU、无需配置环境，上传 ZIP 包即可训练专属 LoRA。本文详解 API 用法、数据集准备、训练参数调优、输出文件使用，以及与本地训练的完整对比，帮助你在零 GPU 条件下实现 ERNIE-Image 风格/角色微调。

1. 为什么需要云端 LoRA 训练？

ERNIE-Image 的 LoRA 微调能力已被社区广泛验证（EI-071、EI-055），但本地训练面临三大门槛：

  1. 硬件要求：8B 参数 DiT 模型 LoRA 训练需要 24GB+ VRAM（RTX 3090/4090 或 A100）
  2. 环境配置：Diffusers、Accelerate、PEFT 等依赖库版本对齐复杂
  3. 训练时间：2000 steps 通常需要 30-60 分钟

fal.ai 的云端 API 直接解决了这些问题：无需 GPU、无需配置、几分钟出结果，且支持商业使用。

2. fal.ai ERNIE-Image Trainer API 概览

端点：fal-ai/ernie-image-trainer

特性 详情
基础模型 ERNIE-Image 8B (DiT)
训练类型 LoRA (Diffusers 格式)
定价 $1.2 / 1000 steps
许可 ✅ Apache 2.0 / 商业可用
推荐步数 1000-3000 steps
输出格式 .safetensors LoRA + 配置文件

成本计算

训练步数 费用 适用场景
1000 steps $1.20 风格探索/快速测试
2000 steps $2.40 标准角色/风格 LoRA（推荐）
3000 steps $3.60 高质量/复杂概念 LoRA

3. 数据集准备：ZIP 包格式

目录结构

training_data.zip
├── 001.jpg
├── 001.txt    ← "a portrait photo of [触发词] wearing a blue shirt"
├── 002.jpg
├── 002.txt    ← "a portrait photo of [触发词] smiling"
├── 003.jpg
├── 003.txt    ← "a portrait photo of [触发词] in a suit"
└── ...

关键规则

  • 图片：任意常见格式（JPG/PNG），建议 1024×1024 或更高
  • Caption：与图片同名的 .txt 文件
  • 触发词：使用唯一标识词（如 spfg person），避免与常见词冲突
  • 图片数量：建议 15-30 张，覆盖不同角度、光照、背景

Caption 编写技巧

# ✅ 推荐：描述性 + 触发词
"a professional portrait of spfg person, studio lighting, sharp focus, 8K detail"

❌ 避免：过于简略


"person"


✅ 角色训练：包含身份/风格描述


"a digital painting of spfg warrior, fantasy armor, dynamic pose, dramatic lighting"

提示：如果部分图片缺少 .txt，设置 default_caption 参数作为 fallback。

4. API 调用完整流程

4.1 安装客户端

npm install --save @fal-ai/client

4.2 配置 API Key

export FAL_KEY="your_fal_api_key_here"

4.3 JavaScript 训练示例

import { fal } from "@fal-ai/client";

// 1. 上传训练数据 ZIP

const zipFile = new File([/* 你的 ZIP 数据 */], "training.zip", {

type: "application/zip",

});

const zipUrl = await fal.storage.upload(zipFile);


// 2. 提交训练任务（使用队列协议）

const { request_id } = await fal.queue.submit(

"fal-ai/ernie-image-trainer",

{

input: {

images_data_url: zipUrl,

steps: 2000,              // 2000 steps = $2.40

learning_rate: 0.0005,    // 默认学习率

default_caption: null,    // 不使用默认 caption

},

webhookUrl: "https://your-server.com/training-complete", // 可选：回调通知

}

);


console.log("训练任务已提交，Request ID:", request_id);


// 3. 轮询状态（如果不用 webhook）

const checkStatus = async () => {

const status = await fal.queue.status("fal-ai/ernie-image-trainer", {

requestId: request_id,

logs: true,

});

console.log("当前状态:", status.status);

return status.status === "COMPLETED";

};

4.4 Python 训练示例

import fal_client

上传 ZIP 文件


with open("training_data.zip", "rb") as f:

zip_url = fal_client.upload_file(f)


提交训练任务


request = fal_client.queue.submit(

"fal-ai/ernie-image-trainer",

arguments={

"images_data_url": zip_url,

"steps": 2000,

"learning_rate": 0.0005,

}

)


print(f"训练任务已提交: {request['request_id']}")


等待完成


result = fal_client.queue.result(

"fal-ai/ernie-image-trainer",

request_id=request["request_id"]

)


print("LoRA 文件:", result["diffusers_lora_file"]["url"])

print("配置文件:", result["config_file"]["url"])

5. 训练参数详解

5.1 学习率 (learning_rate)

学习率 适用场景 风险
0.0001 保守训练/大概念 可能欠拟合
0.0005 默认值/通用场景 平衡选择
0.001 快速收敛/风格强烈 可能过拟合
0.002+ 特殊需求 高过拟合风险

5.2 训练步数 (steps)

步数 费用 效果
500-1000 $0.60-$1.20 初步学习，概念较弱
1500-2000 $1.80-$2.40 标准 LoRA，推荐使用
2500-3000 $3.00-$3.60 深度记忆，注意过拟合
3000+ $3.60+ 通常不必要

经验法则：从 2000 steps + 0.0005 learning_rate 开始，根据输出效果调整。

6. 训练后：使用 LoRA 文件

6.1 下载输出文件

训练完成后，API 返回两个文件：

  • diffusers_lora_file：LoRA 权重（.safetensors 格式）
  • config_file：模型配置

6.2 在 Diffusers 中使用

from diffusers import ErnieImagePipeline

pipeline = ErnieImagePipeline.from_pretrained("baidu/ERNIE-Image")


加载 LoRA


pipeline.load_lora_weights(

"path/to/diffusers_lora_file.safetsensors",

adapter_name="my_custom_style"

)


生成图片


image = pipeline(

prompt="a spfg portrait, studio lighting",

lora_scale=0.8,  # LoRA 强度

num_inference_steps=50,

).images[0]

image.save("output.jpg")

6.3 在 ComfyUI 中使用

  1. 下载 diffusers_lora_file 到 ComfyUI/models/loras/
  2. 在 ComfyUI 中添加 "Load LoRA" 节点
  3. 选择对应的 LoRA 文件，设置强度（0.6-1.0）
  4. 连接到 ERNIE-Image 检查点节点

7. fal.ai vs 本地训练：完整对比

维度 fal.ai 云端 API 本地训练
GPU 要求 ❌ 无 ✅ 24GB+ VRAM
初始成本 $0（按需付费） $1000+（GPU）
单次训练 $1.20-$3.60 电费约 $0.10
训练时间 3-10 分钟 30-60 分钟
环境配置 零配置 复杂（Diffusers/PEFT/Accelerate）
参数灵活度 有限（4 个参数） 完全可控
商用许可 ✅ ✅
适合用户 初学者/偶尔训练 专业用户/高频训练

什么时候选 fal.ai？

  • 没有 GPU 或 VRAM 不足
  • 快速测试 LoRA 概念
  • 偶尔训练（< 10 次/月）
  • 不想处理环境配置

什么时候选本地训练？

  • 高频训练（> 10 次/月，成本更低）
  • 需要完全控制训练参数
  • 数据集隐私要求高
  • 已有 GPU 资源

8. 实战案例：训练角色一致性 LoRA

案例背景

训练一个特定角色的 LoRA，用于漫画角色一致性生成。

步骤 1：准备数据集

  • 收集 20 张角色图片（不同表情/角度/服装）
  • 每张配 caption："a comic illustration of spfg character, [场景描述]"
  • 打包为 ZIP

步骤 2：提交训练

const { request_id } = await fal.queue.submit(
  "fal-ai/ernie-image-trainer",
  {
    input: {
      images_data_url: zipUrl,
      steps: 2000,
      learning_rate: 0.0005,
    },
  }
);

步骤 3：验证效果

  • 用不同 prompt 生成图片，检查角色一致性
  • 如果角色特征不够明显 → 增加 steps 或调整 learning_rate
  • 如果过拟合（背景/服装被记住）→ 减少 steps

9. 常见问题

Q: 训练多久完成？

A: 2000 steps 通常需要 3-10 分钟，取决于 fal.ai 服务器负载。

Q: 可以训练多概念 LoRA 吗？

A: 可以，但建议使用不同的触发词区分概念。

Q: 输出 LoRA 可以在其他平台使用吗？

A: 输出为标准 Diffusers LoRA 格式，兼容 ComfyUI、Diffusers API 等。

Q: 训练失败怎么办？

A: 检查 ZIP 包格式是否正确，图片是否有有效 caption。fal.ai 会返回错误日志。

Q: 与 Z-Image Turbo Trainer 有什么区别？

A: ERNIE-Image Trainer 基于 Baidu 8B DiT 模型（$1.2/1000 steps），Z-Image Turbo Trainer 基于 Alibaba 6B 模型（$0.85/1000 steps）。ERNIE-Image 在文字渲染和指令跟随方面更强。

10. 总结

fal.ai 的 ERNIE-Image LoRA 云端训练 API 为零 GPU 用户打开了 ERNIE-Image 微调的大门。$1.2 起的价格、几分钟的训练时间、零配置门槛，让风格/角色 LoRA 训练变得触手可及。

对于偶尔训练的用户，这是最具性价比的选择；对于高频训练用户，建议结合本地训练（EI-071）和云端训练，根据需求灵活选择。

下一步：尝试在 fal.ai/ernie-image-trainer 上进行你的第一次 LoRA 训练！

本文基于 fal.ai 官方 API 文档和 ERNIE-Image 技术报告撰写。API 定价和参数可能随时更新，请以 fal.ai 官方文档 为准。

ERNIE-Image Team