更新履歴
・2026/08/01：Copita v1.21に更新
Civitai経由で海外の読者が増えたことを受け、英語利用の規約や説明文を充実させました。日本人ユーザーにとって中身の変更はありません。
・2026/07/18：Copita v1.2に更新
Anima用画像の前処理を刷新し、学習精度を向上。層別学習機能を追加したほか、各種安定化、不具合修正などを含みます。
・2026/07/06：Copita v1.11に更新
一部環境でフォルダ選択ダイアログが正常に開かない問題があったため、フォルダ指定時の処理を変更し、直接パス入力でも設定できるようにしました。
・2026/07/04：Copita v1.1に更新。「学習履歴タブ」を新たに実装しました。
Python 3.10 / 3.11が入っていないPCでも、初回セットアップ時にCopita用のPython 3.11をCopita内に自動で用意できるようになりました。画像のドラッグ＆ドロップ読み込み、通常時より詳細にタグ付けするボタン、LoRAフュージョンモードのUI改修、SDXL / Anima別の学習プリセット表示など、操作性を改善しました。
一部のAnimaモデルでVAE関連キーが含まれている場合に学習前チェックで止まる問題に対策をしました。
・2026/06/27：v1.02に更新
SDXL向け学習プリセットの設定に不備があり、SDXLをベースとした学習が失敗する不具合を修正しました。また、膨大になりがちだった進行ログを見やすく改善しました。
・2026/06/27：v1.01に更新
Copita公開。RTX50系GPU環境でPyTorchのCUDA対応版が合わない問題を修正したv1.01に更新。
こんばんは、スタジオ真榊です。今回は、1枚の画像からSDXL / Anima向けの画風LoRAを学習できるアプリ「Copita」を公開します。
Copitaは、1枚のお手本画像からそれに対応する「比較画像」を作ることで、2枚の違いをLoRAとして取り出すアプリです。画風だけが違うペアなら画風LoRAに、線の太さだけが違うペアならBoldLoRAのような概念スライダーLoRAになります。どれくらいしっかり学習する設定かにもよりますが、RTX3060なら1時間弱、4080なら数十分程度でLoRAを作ることができます。
Copitaのインストール方法や基本的な使い方だけでなく、グラフィックボードの性能に合わせてより精度の高いLoRAを作れるように、各パラメータの解説や効果的な設定方法も深掘りします。導入や操作で詰まったら、記事末尾の「トラブルシューティングとFAQ」もご活用ください。【約2万字】
はじめに - Copitaでできること
Copitaは、「コピー機法」と呼ばれる手法を使って、「1枚の画像から画風LoRAを作れるAnima/SDXL兼用の学習アプリ」です。内部的には2枚の画像の違いをLoRAとして抽出する動作をするので、画風LoRAだけでなく、線画の太さや胸の大きさなどをスライダーのように増減する調整系LoRAも作ることができます。
数十枚～数百枚のデータセットを反復学習させる従来型の学習法との違いはこんな感じ。コピー機法は手軽にLoRAを作れて、狙った要素だけを抜き出すことができる代わりに、2枚の差分で表現できない概念の学習は苦手ということだけ覚えておきましょう。
Copitaはこの「コピー機法」を簡単に使えるようにしたアプリ。画面の左側に「学習させたい概念」のお手本画像を入力し、画面の案内通りにぽちぽちすると「比較画像」を簡単に入手できるつくりになっています。例えば下図のようなペアなら、「線画を太くするコピー機LoRA」ができるわけです。
2枚の間で共通している人物の容姿、服、ポーズ、構図、背景は学習されにくくなり、差異を作った部分（線、塗り、影、質感、カラーリング、筆致など）がLoRAとして抽出・学習されます。つまり、純粋に「狙った概念だけが違う画像ペア」を上手に作れるかどうかでLoRAの精度は変化します。
実験的機能として、過去に作ったLoRAを2〜4個混ぜる「LoRAフュージョン」機能も実装しました。１つ１つでは精度が足りない（ポーズが変わるなどの副作用がある）同種のLoRAを合体することで、狙った効果は残しつつ、副作用を弱めるのが狙いです。記事後半でやり方や実際の効果を検証しています。
＜推奨環境と利用規約＞
Copitaは以下の環境を想定して開発されています。
・Windows 10 / 11
・NVIDIA製グラフィックボード（VRAM 12GB〜で動作確認）
・Python 3.10または3.11（3.11推奨）
※PC全体の既定Pythonが3.12 / 3.13でも、v1.1以降なら初回セットアップ時にCopita専用のPython 3.11環境を自動で用意します。PC全体の既定PythonやForge Neo / Stability Matrixの環境は変更しません。
・空き容量20GB以上推奨
本アプリはスタジオ真榊FANBOX支援者向けのオリジナルアプリです。アプリ本体や配布ZIP、同梱ファイル、記事本文内の配布リンク、ダウンロードURLを無断で共有・転載・再配布することは禁じられています。
本アプリをダウンロード、展開、起動、または利用した時点で、こちらの利用規約に同意したものとみなします。アプリにも同じ内容のテキストが同梱されていますので、必ず事前にお読みください。
利用規約
配布ファイルは支援者向けです。元記事で確認
Copitaのインストール方法
①Copitaをダウンロード
さきほどの利用規約を了解いただけたら、こちらから最新版の配布ZIPをダウンロードし、PC内の好きな場所に解凍してください。
【最新】Copita v1.21 - 2026年8月01日更新
Civitai経由で海外ユーザーが利用することに備え、英語利用の規約や説明文を充実させました。日本人ユーザーにとって中身の変更はありません。
copita_v1.21
Copita v1.2 - 2026年7月16日更新
Anima用画像の前処理を刷新して学習精度を向上したほか、層別学習機能を新たに実装しました。その他各種不具合の修正や安定化処理を加えています。（ドラッグアンドドロップ時に比較用画像のプロンプト案内が出ない不具合などを修正）
copita_v1.2_JP
詳しいアップデート内容や使い方はこちらの記事をご覧ください。
【旧】Copita v1.11 - 2026年7月6日更新
一部環境でフォルダボタンをクリック時にダイアログが正常に開かない問題があったため、フォルダ指定時の処理を変更し、直接パス入力でも設定できるようにしました。
copita_v1.11
Copita v1.1 - 2026年7月4日更新
・学習履歴タブを追加。画像ペア、LoRA名、学習状態、生成例を記録可能
・Python 3.10 / 3.11がないPCでも、Copita専用Python 3.11を自動導入できるように改善（Pythonの事前インストールが不要になりました）
・画像入力欄へのドラッグ＆ドロップに対応
・タグ付けボタンを「タグ付けする」「より詳細にタグ付けする」の2種類に変更
・LoRAフュージョンモード内のUIを分かりやすく改善
・SDXL用 / Anima用の学習プリセット名を分かりやすく整理
・AnimaモデルにVAE関連キーが含まれる場合のチェックエラーに対策
・タブ切り替え時の表示崩れなどUIの安定性を改善
copita_v1.1
【旧】Copita v1.02 - 2026年6月27日23:55更新
・RTX 50系GPU環境でPyTorchのCUDA対応版が合わない問題を修正
・SDXL向けの学習プリセットの設定に不備があり、SDXLをベースとした学習が失敗する不具合を修正
・膨大になりがちだった進行ログを見やすく改善
copita_v1.02
②setup_first_time.batを実行
解凍したフォルダの中に、次の2つのbatファイルがあります。
・setup_first_time.bat：初期設定用。1度しか使わない
・start_copita.bat：今後毎回copita起動時に使う実行ファイル
初回だけ、setup_first_time.batをダブルクリックします。必要なファイルのDLを含めた環境作りが自動で行われ、LoRA学習に使う「sd-scripts」や、タグ付けに使うモデルなどが準備されます。ここだけ少し時間が掛かるので、しばらく放置しておいてください。（手元環境では8分程度でセットアップ完了）
「Setup finished」と表示され、画面がこのようになれば終了です。何かキーを押すと画面が閉じます。
③start_copita.batを実行
起動用の「start_copita.bat」をダブルクリックします。少し待つと自動でブラウザが開き、Copitaの起動画面が表示されるはずです。ブラウザが自動で開かない場合は、黒い画面に表示されている「http://127.0.0.1:7865」を手動で開いてください。（Ctrlキーを押しながらクリックすればOK）
Copitaを終了したいときは、ブラウザ画面と起動時に開いた黒い画面を閉じればOKです。今後、アップデートがあった際はこちらのページや最新記事で告知しますので、旧バージョンを削除し、新しいバージョンを使うようにしてください。
基本的な使い方
こちらがCopitaの起動画面です。メインとなる「差分LoRA学習モード」のほかに、実験的機能の「LoRAフュージョンモード」（後述）を上部のタブから選ぶことができます。v1.1以降は「学習履歴」で過去のCopita学習の履歴を確認することができるようになりました。
さっそく、「差分LoRA学習モード」で画風LoRAを学習させてみましょう。
①覚えさせたい「お手本画像」を入力
まず、画面左側の 「覚えさせたい画風の画像」に、学習したい画風の画像を1枚入れます。キャラクターの顔立ちや線の癖を覚えさせたい場合は、顔が小さい全身図よりバストアップの方がおすすめ。正面寄りでシンプルな服、笑顔か真顔、シンプルな背景を選ぶと、安定したLoRAにしやすいです。今回はこちらの画像で学習させてみます。
画像は正方形から3:4程度までのアスペクト比のpng/jpgファイルを選びます。サイズが大きすぎる場合は内部的に自動縮小されますので、事前リサイズの必要はありません。左右の画像の大きさが違っても学習できますが、アスペクト比はできるだけ一致させましょう。
＜コピー機LoRA法に適した入力画像は？＞
例えばこちらのような白背景のキャラ画像から画風LoRAを作ると、覚えてほしいカラーやタッチ、顔立ち、手の描き方だけでなく、水滴や塵、吐息表現、脚を途中までしか描かないこと、アホ毛があることなども一緒に「画風」として学習されてしまいます。もちろんプロンプトで取捨選択はできますが、強く掛けるとこのキャラ絵の持つ特徴がどれもこれも発現してきてしまうわけですね。
余計な概念の混入を避けるためには、必要な要素が大きくはっきりと描かれ、余計な要素をできるだけ排除したお手本画像を用意するのがコツです。汗や濡れた肌、フキダシ、空中に浮かぶ飛沫、漫符など、LoRAで再現してほしい概念と関係ない要素、特にdanbooruタグで表現しにくい要素はできるだけ避けましょう。（※今回の学習例ではそうした要素の影響を見せるために水滴が肌や空中に描かれている画像を使っていますが、本来はあまり適さない画像です）
・全身の頭身や体型を変えたい場合：全身が見える画像を使ってください。塗りを覚えさせたくない場合は白黒の画像から学習させればOK。その場合はキャプションに「monochrome」を入れましょう。
・キャラクター容姿以外の余計な要素を排除したい場合：白背景で学習させるのが効果的ですが、その場合背景をどのように描けばいいかは学習されませんし、白背景が選択されやすい傾向のLoRAになります。
②覚えさせたい概念だけが違う「比較画像」を作る
1枚目の画像を入力すると、画面右側にこのような文章が表示されます。これは、ChatGPTなどに指示して、Copitaが学習しやすい「比較画像」を入手するためのプロンプト例です。（※出力画像のAI学習利用を一切禁じているモデルも多いので、事前に必ず利用規約を確認するようにしましょう）
＜比較画像とは？＞
Copitaで画風LoRAを学習する場合、画面左で入力した画像と同じ人物、同じ服、同じポーズ、同じ構図で、画風だけが違う画像を「差分」として用意する必要があります。経験則としておすすめなのが、ChatGPTなどで実写調に変換した画像。違う部分が学習されるので、被写体の概念は同じでも、線画も塗りも何もかも異なる実写画像と比較すると画風を抜き取りやすいです。
Copitaは比較画像を入手するためのプロンプトを自動で提案してくれますので、さきほどの画像とプロンプトを画像編集ができるAIにコピペするだけで、このような比較画像を得られます。ただし、そのAIでLoRA学習用の画像を生成してよいかは必ず事前に規約などで確認すること！
プロンプト例は「通常用」「特殊体型用」「概念スライダー用」の3種類があります。普通の画風LoRAなら通常用でOKですが、ちびキャラのように頭身や体型も含めて学習させたい場合は特殊体型用を使ってください。この2枚のように、画風だけでなく体型も大きく変化することを覚えさせる必要があります。
線の太さや胸の大きさなどの概念を調整できるLoRAにしたい場合は「概念スライダー用」を使います。テンプレートでは「添付画像を参照して、人物・ポーズ・表情・服・髪型・構図・背景の位置関係をできるだけ同じに保ったまま、＿＿を＿＿に変更したLoRA学習用の比較画像を1枚作ってください」等となっているので、「＿＿」部分を適宜書き換えてご使用ください。
例えば、線を太くするLoRAを作るならこのようなペアを用意する必要がありますので、「線画を太く変更した…」とするわけです。
2枚のペアを見比べて、服が変わっている、顔の向きが変わっている、指などが破綻している、縦横比が大きく変わっている、余白が増えて人物が小さくなっている…といった場合は、余計な差分が混入して低品質なLoRAになる恐れがあります。この2枚の精度がLoRAの精度に直結しますので、余計な概念が映り込まないよう、適宜工夫して調整しましょう。（※ChatGPTに差分を頼む場合、「n=10」と末尾に書いて10枚生成のうち一番よくできた画像を選ぶだけでも品質が向上します）
※コピー機LoRA法におけるペアの作り方については、こちらの記事で深堀りしています。目の光を消すLoRAやR-18系調整LoRA（乳首LoRA、ぶっかけ増量LoRA）を作れるペアの作り方はこちらもご参照ください。
③比較画像を入力して「タグ付け」
次に、画像に何が描かれているかAIに説明する「タグ付け」を行います。
v1.1以降では「タグ付けする」と「より詳細にタグ付けする」の2種類があります。まずは通常の「タグ付けする」でOKです。タグが少なすぎる、服や小物、汗、背景などの要素が拾えていないと感じた場合は、「より詳細にタグ付けする」を試してください。（誤検出の可能性も高まるので、必ず目視チェックしてください）
＜タグ付けのポイント＞
検出された内容を必ずチェックして、間違ったタグや重複タグ、画風や主観に関するタグは削除してください。以下のタグは検出されても自動で除去される設定になっています。
「作者名」「作品名」「キャラクター名」「artist_name」「watermark」「signature」「text」「bad_hands」「monochrome」（その他、被写体についてではなく描き方を示す画風タグや概念タグ）
例えば、white shirtがあればshirtは不要ですし、red bowがあればred ribbonは不要です。作家タグや「anime screenshot」、「watercolor_(medium)」といった画風に関するタグが混入した場合も、手動で削除してください。
例えば、以下の検出結果なら、除去するべきなのは「sailor uniform」「blush」「shirt」「skirt」「yellow hair」「flat color」となります。
1girl, solo, long_hair, looking_at_viewer, sailor uniform, blush, full-face_blush, simple_background, shirt, skirt,blonde hair,white shirt, blue skirt, pleated skirt, long_sleeves, white_background, closed_mouth, twintails, school_uniform, serafuku, white_shirt, yellow hair, flat color
より詳しい概念や重複概念である「serafuku」「full-face_blush」「white shirt」「blue skirt」「blonde hair」があるからですね。「blue skirt, pleated skirt」は違う概念なので両方残します。「flat color」はまさにLoRAを適用したら覚えてほしい特徴なので、これも外します。逆に、LoRAとして学習されたくない「monochrome」タグなどは、もし検出されなかったら手動で書き足さないと、画風＋白黒LoRAになってしまいます。
大事なのは、2枚のキャプションを全く同じ内容にすることです。AI側から見ると
🤖「お、全く同じプロンプトで全く同じ画像が描かれているな」
🤖「ん？でもこの二つを見比べると、この概念だけが大きく違うな…」
🤖「違う概念だけをいつでも再現できるように覚えよう！」
…となり、純粋な概念をLoRAとして抽出しやすくなります。（このとき、プロンプトにない水しぶきや吐息などの要素があると、いっしょくたに学習されるわけです）
④「学習設定」を入力
ペア画像の準備とタグ付けが済んだら、学習設定に進みます。まずはこれから学習させたいベースモデルをSDXLかAnimaから選び、フォルダボタン「📁」を押して普段使うCheckpointやLoRAなどが入っている「Models」フォルダを指定します。
