Un LoRA es la diferencia entre "imágenes de IA" y tu proyecto: mismo personaje, misma paleta, mismo trazo en cien iteraciones. Y hoy se entrena con hardware accesible o instancias por hora que cuestan menos que un almuerzo.
El dataset es el 80%
Veinte imágenes buenas le ganan a doscientas mediocres. Limpieza, encuadres variados, etiquetado consistente. La mayoría de los LoRA "que no funcionan" fallaron acá, no en el entrenamiento.
Entrenar sin quemarte
Pocos conceptos clave: learning rate conservador, steps suficientes sin sobreajustar, y checkpoints intermedios para comparar. El sobreentrenamiento es el enemigo silencioso: tu LoRA empieza a calcar el dataset en vez de generalizar el estilo.
En el grafo
Peso del LoRA por rango según la toma, combinado con ControlNet para mantener composición. En producción real casi nunca usás un LoRA al 100%: usás dos o tres al 40-60% que suman sin pelearse.