12GB 显存也能训练 LTX-2.3 脸+声音 LoRA，但代价不小
__alpha_____ · reddit · 2026-07-21
一位 Reddit 用户分享：在只有 12GB 显存的 RTX 3060 上训练 LTX-2.3 的 face+voice LoRA 不是轻松活，但确实可以做到。
作者描述了很长一段排错过程，强调数据集必须干净——最好是 2 到 5 秒、有人物清晰对白、没有背景音乐的短片段。为了避免 OOM 和过长训练时间，他建议使用 offloading、卸载 text encoder、4bit 量化、rank 4、cache latents、自动帧数和音频训练等配置。经过几天反复尝试后，他跑出了一个可工作的 1200 steps、rank 4 LoRA，虽然效果还不够好，但说明这条流程是可行的。
「多模态」频道最新
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11
- 开发者用 GPT-6 Astra 搭配 Hyper3D Rodin 做出交互式 3D 产品展示 — nikola_mr64990 · 2026-09-11
- 用 MiniMax H3 MAX 对一只蚊子放大招,蚊子毫发无伤 — Hailuo_AI · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- AI 电影节 Lumara 将登陆纽约,顶级 AI 电影人齐聚评审 — 0xAllen_ · 2026-09-11
- 翼龙侦探:全程 AI 生成的概念片先导预告亮相 — PterodactylDetective · 2026-09-11