LoRAとは？作り方・使い方と学習に必要な枚数・VRAM【2026年最新】

LoRAとは、学習済みの画像生成AIや動画生成AIに小さな追加データを足し、特定の画風やキャラクターを出せるようにする追加学習の手法です。なお、この記事のLoRA（Low-Rank Adaptation）は、IoT機器向けの無線通信規格「LoRa」（LoRaWAN）とは別物です。LoRaWANは、LoRa Allianceが定める低消費電力・広域（LPWA）のネットワーク仕様を指します。

LoRAの仕組みと作り方を把握すると、プロンプトだけではそろわない絵柄やキャラクターの見た目を、何枚・何カットでも同じ状態で出せるようになります。2026年10月時点では、Stable Diffusionに加えてFLUX・Qwen-Image・Wan2.2などの新しいモデルでもLoRAを作れるようになり、AI動画の制作でも使い道が広がっています。

本記事では、LoRAの意味と仕組み、ComfyUIでの使い方、学習に必要な画像の枚数とVRAM、Kohya_ssでの作り方5STEPをまとめています。さらに、FLUXのLoRAと動画LoRA、商用利用・著作権・肖像権の注意点も紹介します。ツールの版数・機能・ライセンスは、2026年10月時点の各公式（GitHub・Hugging Face・ドキュメント・利用規約）をもとにしています。

LoRAとは？画像・動画生成AIの追加学習を早見表で解説

LoRAとは、元のAIモデルには手を加えず、小さな追加データだけを学習して画風やキャラクターを覚えさせる手法です。モデル全体を学習し直すよりも必要なGPUメモリと保存容量が少なく、個人のPCでも作れる点が特徴です。

ここでは、LoRAの基本情報・仕組み・ほかの追加データとの違い・できることの4つの視点で解説します。

LoRAの基本情報

LoRAは、Microsoftの研究者らが2021年6月に発表した論文「LoRA: Low-Rank Adaptation of Large Language Models」で提案された手法です。もともとは大規模言語モデル向けに考えられた手法で、のちに画像生成AIのStable Diffusionで広く使われるようになりました。

LoRAの基本情報を、以下の表にまとめます。

※2026年10月時点・LoRA論文（arXiv）、各ツールのGitHub、Hugging Face のファイル一覧より。ファイルサイズは Hugging Face で公開されている LCM-LoRA（SD1.5用・SDXL用）と Wan2.2-Lightning の実ファイルの例

上記のとおり、LoRAのサイズはベースモデルとLoRAの設定で数百MB〜1GB超まで変わります。モデル本体（数GB〜十数GB）より小さいため、複数のLoRAを手元にそろえて使い分けられます。

LoRAの仕組み

LoRAは、元のモデルの重み（学習済みのパラメータ）を固定したまま、各層に小さな行列を追加し、その行列だけを学習する仕組みです。学習するパラメータが少ないぶん、必要なGPUメモリと学習時間を抑えられるためです。

たとえば、LoRAの論文では、GPT-3 175Bを通常の方法でファインチューニングした場合と比べ、学習するパラメータを1万分の1、GPUメモリの必要量を3分の1に減らせたと報告されています。画像生成AIでも同じ考え方で、ベースモデルはそのままに「画風やキャラクターの差分」だけをLoRAとして保存します。

ただし、LoRAは単体では動かず、学習に使ったベースモデルと組み合わせて初めて効果が出ます。

LoRAとCheckpoint・ファインチューニング・Embeddingの違い

LoRAは、Checkpoint（ベースモデル）に後から足して使う追加データで、モデル全体を作り直すファインチューニングとは役割が違います。画像生成AIでは似た言葉が多く、ファイルを置く場所や使い方もそれぞれ違うため、最初に区別しておくと迷いません。

主な追加データとの違いを、以下の表で比較します。

見た目（画風・キャラクター）を覚えさせるならLoRA、ポーズや構図を毎回指定するならControlNet、と使い分けるのが基本です。

LoRAでできること5つ

LoRAでできることは、画風やキャラクターなど「プロンプトだけでは毎回そろわない要素」を固定することです。プロンプトは同じでも生成のたびに顔立ちや塗りが変わりますが、LoRAで学習した要素は生成をまたいで再現されやすくなるためです。

LoRAでできることは、以下のとおりです。

• 画風の固定：水彩・セル画・特定の塗りなど、自作した絵柄をそろえる
• キャラクターの固定：オリジナルキャラクターの顔・髪型・体型をそろえる
• 服装・小物の固定：制服や商品など、細部まで同じデザインを出す
• 構図・質感の寄せ：特定のライティングや画面の雰囲気に近づける
• 動画の動き・高速化：Wan2.2などの動画モデルで動きをそろえたり、生成ステップを減らしたりする

たとえば、オリジナルキャラクターのLoRAを作れば、表情差分やサムネイル用の立ち絵を同じ見た目で量産できます。ただし、実在の人物や他人の作品を学習させる使い方には、後述する規約・著作権の制限があります。

LoRAの使い方｜ComfyUIで読み込む手順【4STEP】

LoRAの使い方は、ファイルを入手してComfyUIのフォルダに置き、「Load LoRA」ノードでベースモデルにつなぐだけです。ComfyUIは2026年10月時点で更新が続いているローカルの画像・動画生成ソフトで、最新版はv0.42.1（2026年10月19日）です。

ここでは、既存のLoRAをComfyUIで使う手順を4つのSTEPで解説します。ComfyUIのインストールと基本操作は、ComfyUIの使い方で解説しています。

LoRAの作り方｜学習の全体像と必要な枚数・VRAM

LoRAの作り方は、画像を集める・キャプションを付ける・学習ツールで学習する・試して選ぶ、の4工程に分かれます。工程そのものはどのモデルでも共通ですが、必要なVRAMと使える学習ツールはベースモデルで大きく変わります。

ここでは、LoRA作りの流れ・画像の枚数・PCスペック・学習ツールの4点を整理します。

LoRA作りの全体の流れ

LoRA作りは、学習そのものより、学習用の画像とキャプションの準備で品質が決まります。学習ツールは画像とキャプションの対応から特徴を覚えるため、画像のばらつきやキャプションの抜けがそのまま生成結果に出るからです。

LoRA作りの工程を、以下の表にまとめます。

初めての方は、まず手持ちのオリジナル画像で小さなLoRAを1つ作り、4工程を一通り体験すると全体像をつかめます。

学習用画像の枚数と選び方

LoRAの学習用画像の枚数は、公式に決まった推奨値はなく、数十枚程度が目安です。Kohya_ss・sd-scriptsのドキュメントには推奨枚数の記載がなく、Civitaiの公式ガイドには15〜30枚の画像で学習できた例が載っています（2026年10月時点）。

枚数より重要なのは、画像の質とばらつきです。学習用画像を選ぶ際のポイントは、以下のとおりです。

• 解像度：学習する解像度（SDXL・FLUXなら1024px前後）より小さい画像を避ける
• 角度・表情・ポーズ：正面だけでなく、横顔や全身などを混ぜる
• 背景：同じ背景ばかりにしない（背景まで覚えてしまう）
• 権利：自作の画像か、学習に使う許可を得た画像だけを使う

たとえば、同じ服・同じ背景の画像ばかりで学習すると、プロンプトで服を変えてもLoRAの服が出続けます。ただし、枚数を増やしても質の低い画像が混ざると、ぼやけや崩れまで学習します。

学習に必要なPCスペックとVRAM

LoRAの学習には、画像を生成するときより多くのVRAM（GPUのメモリ）が必要です。学習では、生成のための計算に加えて、LoRAの重みを更新するための情報もGPUに載せるためです。

各ツールの公式が示すVRAMの目安を、以下の表にまとめます。

※2026年10月時点・sd-scripts「FLUX.1 LoRA training」ドキュメント、Musubi Tuner の README より。SD1.5・SDXLの学習に必要なVRAMは公式に記載なし

上記のとおり、VRAMが少ないPCでも、メモリを節約する設定を使えば学習自体は可能です。ただし、節約するほど学習時間は長くなるため、VRAMが足りない場合はクラウドのGPUやCivitaiのオンサイト学習も選択肢になります。PC選びの考え方は、動画編集用PCの選び方も参考にしてください。

LoRAの学習ツール5つの比較

LoRAの学習ツールは、画面で操作したいか、学習させたいモデルが何かで選びます。2026年10月時点では、ツールごとに対応するモデルが大きく違い、動画モデルの学習に対応したツールは限られるためです。

主な学習ツール5つを、以下の表で比較します。

※2026年10月時点・各ツールのGitHub、Civitai公式ガイド「Using Civitai – The On-Site LoRA Trainer」（2026年4月1日更新）より

画面で操作しながら画像LoRAを作るならKohya_ss、FLUX・Wan2.2など新しいモデルを画面で扱うならAI Toolkit、PCを使わずに試すならCivitaiが候補です。なお、Kohya_ssはsd-scriptsを画面から操作するためのツールで、学習の中身はsd-scriptsと共通です。

LoRAの作り方【5STEP】Kohya_ssで画像LoRAを学習する

Kohya_ssでのLoRAの作り方は、画像の準備からキャプション・設定・学習・確認までの5STEPです。Kohya_ssはWindowsに正式対応し、ブラウザの画面でsd-scriptsの設定を選べるため、コマンドに慣れていない方でも始めやすいツールです。

ここでは、SDXLなどの画像モデルでオリジナルキャラクターのLoRAを作る場合を例に、5つのSTEPを解説します。インストールは公式の手順（uv または pip）に従い、Windowsでは「gui.bat」で起動します。

FLUXのLoRAと動画LoRAの作り方・使い方

FLUXやWan2.2などの新しいモデルでも、LoRAの作り方の流れは画像LoRAと同じです。ただし、モデルが大きいぶん必要なVRAMが増え、対応する学習ツールとライセンスの条件も変わります。

ここでは、FLUXのLoRA・動画LoRA・Wan2.2の高速化LoRAの3つを解説します。

FLUX LoRAを作る

FLUX LoRAは、Black Forest LabsのFLUX.1・FLUX.2をベースにしたLoRAで、sd-scripts（Kohya_ss）やAI Toolkitで作れます。FLUX.1の学習は、sd-scriptsの公式ドキュメントでVRAM 24GBなら基本設定のまま、8GBでも blocks_to_swap とT5XXLのfp8形式で動く設定が示されています（2026年10月時点）。

FLUX LoRAを作る前に確認したい点は、以下のとおりです。

• ベースモデルのライセンス：FLUX.1 [dev] 系は非商用ライセンス
• 学習ツール：FLUX.1はsd-scripts・Kohya_ss・AI Toolkit、FLUX.2はAI Toolkit・Musubi Tunerが対応
• VRAM：24GB未満では節約設定が必要で、学習時間が長くなる

FLUX.1 [dev]で作ったLoRAは、ライセンス上「Derivative（派生物）」に当たり、非商用の条件を引き継ぎます。仕事で使うLoRAを作る場合は、ベースモデルのライセンスを先に確認しましょう。

動画LoRAでキャラクターと動きをそろえる

動画LoRAは、Wan2.2などの動画生成モデルに足して、キャラクターの見た目や特定の動きをそろえるLoRAです。動画生成ではカットごとに人物の顔や服が変わりやすく、LoRAで見た目を固定すると複数のカットをつなぎやすくなるためです。

Wan2.2のLoRAは、2026年10月時点でMusubi TunerとAI Toolkitが学習に対応しています。Musubi Tunerは動画の学習にVRAM 24GB以上を推奨しており、画像LoRAより高い性能のGPUが必要です。なお、Civitaiのオンサイト学習が対応している動画モデルはWan 2.1・HunyuanVideo・LTX2で、Wan2.2は公式ガイドに記載がありません。

Wan2.2は、本体がApache 2.0ライセンスで、ローカルで動かせる最新の系統です。Wan2.2の使い方と必要なVRAMは、Wan2.2の使い方で解説しています。

Wan2.2の高速化LoRAを使う

Wan2.2の高速化LoRAは、動画生成のステップ数を4ステップに減らして時間を短くするLoRAです。配布元は、元のモデルと同等の品質を保ちながら約20倍の高速化をうたっています。

ComfyUI公式ドキュメントのWan2.2のページでも、コミュニティ製のリソースとして「Lightx2v 4steps LoRA」が紹介されています（2026年10月時点）。

配布元（Hugging Face の lightx2v/Wan2.2-Lightning）の情報は、以下のとおりです。

• 対象モデル：Wan2.2-T2V-A14B（テキストから動画）・Wan2.2-I2V-A14B（画像から動画）
• ライセンス：Apache 2.0
• ファイル：high_noise_model と low_noise_model の2つで1組（各約1.2GB）
• ComfyUI用のワークフロー：配布元が JSON ファイルを用意している

Wan2.2のA14Bは2つのモデルを切り替えて生成するため、LoRAも2つのモデルそれぞれに読み込みます。配布元のワークフローを読み込んでから、手元のファイル名に合わせて差し替えるのが確実です。ワークフローに足りないカスタムノードがある場合は、Desktop版に同梱されているComfyUI Managerで入れられます（ComfyUI Managerの使い方）。

LoRAで作った画像・動画をAI動画制作に使う方法

LoRAは、AI動画制作では「キャラクターや商品の見た目を全カットでそろえる」ために使います。動画生成AIはカットごとに見た目が変わりやすく、1本の動画にまとめたときの違和感の原因になるためです。

ここでは、LoRAで作った画像をAI動画の素材にする流れと、使う場面を紹介します。

LoRAで作った画像を動画にする流れは、以下のとおりです。

1. キャラクターや商品のLoRAで、カットごとの静止画（開始フレーム）を作る
2. 静止画を画像から動画を作るAIに渡し、1カットずつ動かす
3. 動画編集ソフトでカットをつなぎ、音とテロップを入れる

たとえば、オリジナルキャラクターのLoRAで表情違いの立ち絵を作れば、ショート動画の各カットに同じ顔のキャラクターを出せます。静止画を動かす手順は、画像から動画を作るAIおすすめで解説しています。

LoRAを使う主な場面を、以下の表にまとめます。

キャラクターの見た目をLoRAで、ポーズをControlNetで指定すると、見た目と動きの両方をそろえやすくなります。キャラクターの見た目をそろえた漫画の作り方は、AI漫画作成の方法で紹介しています。

LoRAの商用利用・著作権・肖像権の注意点

LoRAの商用利用の可否は、ベースモデルのライセンスと、配布されているLoRAの作者が決めた利用条件の両方で決まります。さらに、学習に使う画像の選び方によっては、著作権や肖像権の問題が起きる可能性があります。

ここでは、LoRAを作る・使うときに確認したい4つの注意点を解説します。法的な判断が必要な場合は、専門家に相談してください。

ベースモデルのライセンスがLoRAにも及ぶ

LoRAは、ベースモデルの派生物として扱われることが多く、ベースモデルのライセンスの条件を受けます。主なベースモデルのライセンスで、LoRAを含む派生物がどう扱われるかを以下の表にまとめます。

※2026年10月時点・各モデルのライセンス文書（Hugging Face、Stability AI公式サイト）より

上記のとおり、同じLoRAでも、ベースモデルによって仕事で使えるかが変わります。LoRAを作る前に、ベースモデルのライセンスで「派生物」と「生成物」の扱いを確認しましょう。

配布されているLoRAは作者の利用条件を確認する

CivitaiやHugging Faceで配布されているLoRAは、ベースモデルのライセンスに加えて、LoRAの作者が決めた利用条件を守る必要があります。Civitaiでは、モデルごとに作者が商用利用や再配布の可否を設定しているためです。

たとえば、ベースモデルが商用利用できても、LoRAの作者が生成物の販売を認めていなければ、仕事には使えません。条件が書かれていない場合は、仕事での利用を避けるのが無難です。

特定の作家の作品だけで学習させない

他人の作品をLoRAの学習に使う場合は、文化庁の「AIと著作権に関する考え方について」（令和6年3月15日、文化審議会著作権分科会法制度小委員会）を確認しておきましょう。同文書は、少量のデータで追加学習し、データに強い影響を受けた生成物を作れる技術の例としてLoRAを挙げています。

文化庁の「考え方」が示している主な点は、以下のとおりです。

• 作風（アイデア）が共通するだけでは著作権侵害にならない
• 特定のクリエイターの少量の作品群で、創作的表現を出力させる目的で追加学習する場合は、享受目的が併存すると考えられる
• 生成物に元の作品群の創作的表現が直接感じ取れる場合、生成と利用は著作権侵害に当たり得る

文化庁の「考え方」自体に法的な拘束力はありません。ただし、仕事で使うLoRAは、自作の画像か、学習に使う許可を得た素材だけで作るのが安全です。

実在の人物の顔は学習させない

実在の人物の顔や姿をLoRAに学習させることは、避けてください。肖像権やパブリシティ権の問題に加え、主要な配布サイトの規約でも禁止されているためです。

たとえば、Civitaiの利用規約（2026年10月6日改定）9.6(b)は、存命か故人か、有名人か一般人かを問わず、実在の人物の肖像を使う・再現する・もとにしたコンテンツを「あらゆる文脈で」禁止しています。本人の同意があっても例外にはならないため、Civitaiで実在人物のLoRAを公開・利用することはできません。

人物が登場する動画を作りたい場合は、架空のオリジナルキャラクターをLoRAにするか、権利処理済みの素材を使いましょう。

LoRAが向いている方・ほかの方法が向いている方

LoRAが向いているのは、同じキャラクターや画風を何十枚・何カットも作る予定があり、ローカル環境で作業できる方です。一方で、数枚だけ見た目をそろえたい場合は、LoRAを作るより参照画像を使える生成AIのほうが早く済みます。

ここでは、見た目やポーズをそろえる方法を4つ比べ、向いている方を整理します。

LoRAとControlNetは役割が違うため、組み合わせて使うこともできます。ポーズの指定方法はControlNetの使い方、参照画像でそろえる方法はNano Bananaの使い方で解説しています。

LoRAを仕事に生かすなら

LoRAを仕事に生かすには、LoRAを作る技術に加えて、権利の確認と、画像を動画や広告に仕上げる制作の工程が必要です。クライアントが求めるのはLoRAそのものではなく、LoRAで見た目をそろえた完成品の動画やクリエイティブだからです。

ここでは、独学で詰まりやすい場面と、学び方の選択肢を紹介します。

LoRAを独学で仕事に生かそうとしたときに詰まりやすい場面は、以下のとおりです。

• 学習データやベースモデルの権利を、案件ごとに確認しきれない
• LoRAの品質が安定せず、カットごとに見た目がずれる
• LoRAで作った画像を、動画の1本に仕上げる手順が分からない

上記の場面は、制作の経験がある人からフィードバックを受けると解決しやすくなります。

AI動画スクール「デジット」では、AI動画生成からAI動画編集までを、専任メンターのマンツーマン伴走で学べます。料金は、2ヶ月プランで一括178,000円（分割は月7,417円〜、24回分割の場合）です。

スクールを比較して選びたい方は、AI動画スクールおすすめの比較で、学べる範囲や料金を確認してください。

LoRAとは・作り方のまとめ

LoRAの要点は、以下のとおりです。

• LoRAとは、元のモデルを固定したまま小さな差分だけを学習し、画風やキャラクターを覚えさせる追加学習の手法
• 使い方は、ComfyUI/models/loras に置き、Load LoRAノードをCheckpointとプロンプトの間につなぐ
• 作り方は、画像を集める→キャプションを付ける→Kohya_ssやAI Toolkitで学習→途中のLoRAを比べて選ぶ
• FLUX.1の学習はVRAM 24GBが基本設定で、8GBでも節約設定で動く。動画LoRAは24GB以上が推奨
• 商用利用はベースモデルのライセンスとLoRA作者の条件で決まり、実在の人物の顔は学習させない

まずはComfyUIで配布されているLoRAを1つ試し、効き方をつかんでから、自作のオリジナル画像で最初のLoRAを作ってみましょう。