Fizgig：消费级显卡即可微调 MiniMax H3/Krea 2，一站式 LoRA 训练修复工作台

想要在本地训练 MiniMax H3、Krea 2、Flux‑2 Klein 9B 的视频/图像LoRA，又被高显存门槛、训练失败、LoRA训练完成后角色漂移、效果崩坏等难题困扰？开源工作台 Fizgig 给出了完整解决方案。最新5.0版本更是迎来重磅升级，16GB显存显卡就可以完成33B MiniMax‑H3、12.9B Krea‑2基础模型的全量微调，不再局限于低秩LoRA适配器训练。

• GitHub：https://github.com/shootthesound/Fizgig

Fizgig 是一款面向 Flux 2 Klein 9B、Krea 2、MiniMax‑H3 的一站式训练工作台，集训练、微调、修复、探索、分析能力于一体。它最大的特色不止是训练LoRA，更提供了一整套LoRA后期加工工具：坏掉、过拟合、风格崩坏的LoRA无需从头重训，即可逐区块滑块修复；几秒之内混音生成全新变体。软件完全免费开源，产出的LoRA文件可直接导入ComfyUI使用。

版本更新历程速览

Fizgig 5.0｜全量微调正式上线（最新）

历史性更新，消费级显卡最低16GB显存支持基础模型全秩微调。

• 无适配器、无秩瓶颈：直接更新基础模型权重，从根源修改模型认知，而非用LoRA滤镜修改输出结果
• 自动显存规划器：自动检测空闲显存，动态分配训练窗口，适配你的硬件规格
• 支持照片、语音、短视频片段全类型微调素材
• 内置检查点转LoRA工具，微调完成后导出轻量化、可分享的LoRA权重
• 当前仅支持NVIDIA显卡

Fizgig 4.3.1

社区实测验证 RTX 5070（12GB显存）稳定训练MiniMax‑H3 LoRA，修复显存溢出崩溃；字幕生成进程独立运行，不再拖慢训练速度。

Fizgig 4.3

新增 AMD ROCm训练支持，Windows一键安装包上线；16GB显卡身份蒸馏训练方案落地；修复工作室新增并排对比预览；加入韩语社区语言支持。

Fizgig 4.2

工作台工具全面开放适配MiniMax‑H3，产出业界首份H3 Transformer区块图谱；新增优化相似度学习功能，人物训练效果大幅提升，减少变形问题；追加Whisper离线语音转录功能。

Fizgig 4.0

视频、音频、语音训练功能正式落地。配套预处理工具 Gizmo，自动切割长视频、录制语音数据集；16‑24GB显卡借助int8量化+区块交换实现高速训练。

云端方案：无本地高性能显卡，可使用RunPod一键云端部署模板，训练结束自动关机，避免闲置扣费。

五大工作台核心工具（全部兼容H3 / Krea2 / Klein9B）

1. Repair Studio｜LoRA修复工作室

最核心的特色功能。你可以单独调节模型每一个Transformer区块权重，拖动滑块实时预览效果，修复训练失败、过拟合、人脸崩坏、风格跑偏的LoRA，无需重新训练。

• Turbo预览缓存技术，后期区块编辑重绘速度最高提升97%
• 支持跨LoRA区块混合，将A LoRA的身份特征和B LoRA的风格自由拼接
• 并排对比预览窗口，实时查看修改前后差异，导出ComfyUI可用的safetensors文件

2. LoRA the Explorer｜进化探索器

变异进化式LoRA生成工具。软件自动生成4组LoRA变体，你挑选最优版本作为新基线；冻结满意区块，调整构图漂移强度，快速探索全新风格，修改成果一键跳转修复工作室二次编辑。

3. LoRA Royale｜最优轮次筛选器

批量渲染训练所有轮次结果，固定种子生成对比序列，拖动交叉淡入滑块找到效果最佳的训练快照。可开启ArcFace相似度评分自动定位人物效果最好的轮次；还能导出轮次演变视频、种子漫游循环GIF。

4. Profiler｜区块分析器

生成可视化HTML分析报告，精准定位哪一些Transformer区块存储人物身份、画面风格、细节纹理，让你后续修改、训练区块选择有据可依。报告可被修复工作室读取，提供区块彩色标注提示。

5. Extract｜权重蒸馏工具

将任意现成LoRA降秩轻量化；支持SVD纯权重蒸馏、激活加权蒸馏两种模式，兼容PEFT、LyCORIS格式的外部LoRA文件。

三大模型生态详细介绍

一、Krea 2（12.9B图像模型）

最低 8GB显存 即可训练完整LoRA，自动显存调度器会根据空闲显存选用INT8/NF4/FP8量化与区块交换策略。
训练器自带独有的数据集智能优化能力，训练过程中自动排查坏样本：

1. 检测问题图像，标记字幕‑图片不匹配素材
2. 单张图片自适应学习率，防止坏样本带偏整个训练集
3. 自动重生成卡住图像的字幕，两次失败后临时跳过样本
4. 大角度、侧脸等稀有镜头预热降速训练，保障人物完整
   支持LoKR训练、暂停恢复训练，产出文件直接兼容ComfyUI。

二、MiniMax‑H3（33B视频音频模型）

支持照片、短视频片段、人声录音三类素材混合训练同一个LoRA，训练完成的权重完美适配ComfyUI‑H3视频生成工作流。

显存自动分配策略（Auto模式）

附带三套官方训练预设：Fast快速训练、慢速高画质训练、纯风格训练预设。
优化相似度学习（默认开启）：照片素材仅训练身份区块，视频音频训练全模型，实测人物面部更锐利、提示词遵循度更强，大幅减少预览变形。

素材预处理工具‑Gizmo

训练视频、语音素材前，所有片段必须严格符合H3时长、帧率标准。Gizmo一站式完成素材加工：

• 长视频自动场景切割，导出24fps合规短视频片段
• 波形编辑器裁剪语音音频，Whisper一键生成字幕
• 内置语音录制功能，十分钟朗读录音即可生成一套语音数据集
• 一键静音视频片段，训练画面但不学习声音特征

视频片段标准：24fps，帧数只能为 5 / 22 / 39 / 56 / 73 / 90 / 107 / 124帧
语音片段标准：时长严格匹配 0.917 / 1.625 / 2.333 / 3.042 秒等档位

三、全量微调｜跳出LoRA低秩限制（实验性功能）

普通LoRA属于适配器，相当于在冻结的基础模型上叠加一层滤镜，不同概念特征容易互相冲突。全量微调直接修改基础模型本身权重，深度植入人物、世界观、场景概念，训练结束后还可以在微调后的底模之上继续训练LoRA。
旋转可训练窗口技术是低显存微调的核心：任意时刻仅有一小部分模型区块参与训练，冻结区块以4‑bit形式从内存流式加载，bf16主副本常驻CPU内存。

消费级显卡微调参考上限

注意：12GB显卡仅支持LoRA训练，无法进行基础模型全量微调。