lora-dataset-studio
Herramienta auto-alojada para gestionar el ciclo completo de entrenamiento de LoRA: construcción, curación y análisis de datasets (Image Bank), generación de imágenes mediante múltiples motores locales o API, limpieza de marcas de agua y ranking de checkpoints.
Ficha actualizada 22 sept 2026, 17:53 · upstream 22 sept 2026, 16:17 · release v2026.09.14.4
Qué es lora-dataset-studio
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
LoRA Dataset Studio es una plataforma de trabajo unificada en un solo navegador para todo el ciclo de vida del entrenamiento. Permite construir datasets de personajes, conceptos o estilos a partir de generación, scraping o clasificación manual de grandes volúmenes en el Image Bank. Incluye herramientas para curar, añadir descripciones (captioning), eliminar marcas de agua y entrenar modelos LoRA sobre cinco familias de modelos o un modelo completo Krea 2 en GPU alquilada.
- Crear datasets completos desde cero mediante generación con múltiples motores (Gemini, ChatGPT, OpenRouter, Klein, Krea 2).
- Limpiar y analizar grandes volúmenes de imágenes en el Image Bank para filtrar duplicados, baja calidad o contenido NSFW antes del entrenamiento.
- Entrenar modelos LoRA localmente o en la nube sin necesidad de configurar entornos complejos manualmente.
- Comparar y clasificar checkpoints generados para seleccionar el mejor modelo antes de exportarlo.
- Gestionar credenciales de APIs y fuentes de scraping (Reddit, Pexels) desde una configuración centralizada.
- Arquitectura auto-alojada con soporte nativo para Docker y Docker Compose.
- Núcleo y plugins públicos bajo licencia PolyForm Noncommercial sin telemetría ni cuenta obligatoria.
- Integración de cinco motores de generación de imágenes, incluyendo opciones locales vía ComfyUI.
- Análisis automático del Image Bank con múltiples passes para detectar duplicados, resolución y calidad.
- Gestión de colas de generación y entrenamiento para optimizar el uso de recursos GPU.
- Interfaz unificada que permite pasar desde la referencia hasta el checkpoint final sin cambiar de pestaña.
- Algunos motores de generación dependen de APIs externas con políticas de contenido y facturación propias.
- La funcionalidad de video en el Image Bank aún está en fase beta o limitada.
- El scraping web requiere credenciales manuales para ciertas fuentes como Reddit o Pexels.
- Requiere hardware específico (GPU) para entrenamientos locales o acceso a GPU alquilada para modelos Krea 2.
- Algunas funcionalidades avanzadas pueden requerir instalación manual de plugins adicionales.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar desde la rama v2 o el último release. Usar Docker Compose para despliegue rápido. Actualizar instalaciones ZIP existentes mediante 'Update & restart'. Configurar credenciales en Settings → Source credentials antes del primer uso de scraping. Revisar plugins en Plugins → Store y ajustar sus configuraciones iniciales.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.