本地训练 LoRA 工具对比：kohya_ss 与秋叶 lora-scripts
结论：kohya_ss GUI 训练类型和底模更多、部署方式多；秋叶 lora-scripts 中文友好，自带打标工具。两者 README 均未说明显存，lora-scripts 已超 12 个月无 commit，需留意维护风险。
更新：2026-10-16
结论先说
kohya_ss GUI 和秋叶的 SD-Trainer / lora-scripts 本质上都是 kohya-ss/sd-scripts 训练脚本的图形界面。
- kohya_ss GUI：支持的训练类型和底模更多，部署方式也更多，最近一次 commit 在 2026-07。
- lora-scripts：有中文 README 和国内安装脚本，自带打标、标签编辑和 TensorBoard。最近一次 commit 在 2025-09，已超过 12 个月无 commit，请留意维护风险。
两者的 README 都没有说明显存要求，所以本文不判断你的显卡能不能用来训练。
对比表
| 项目 | kohya_ss GUI | SD-Trainer / lora-scripts |
|---|---|---|
| 最近 commit | 2026-07-10 | 2025-09-08 |
| 许可证 | Apache-2.0 | AGPL-3.0 |
| 显存要求 | README 未给出显存下限 | README 未给出显存下限 |
| 界面 | Gradio GUI + CLI | WebUI（默认打开 127.0.0.1:28000） |
| 环境 | uv 或 pip 本地安装 | Python 3.10 + Git |
| Windows 安装 | 按 README 中的 uv_windows / pip_windows 文档 | install.ps1（中国大陆用 install-cn.ps1），再运行 run_gui.ps1 |
| Linux | 支持（社区维护） | install.bash + run_gui.sh |
| 其他方式 | Colab、Docker、—headless 远程模式 | 也可以手动编辑 train.ps1 / train.sh 来训练 |
kohya_ss GUI 要点
README 列出的训练类型有 LoRA、LoHa、LoKr、Dreambooth、微调和 Textual Inversion。支持的底模包括 SD 1.5/2.x、SDXL、SD3、Flux.1、Lumina Image 2.0、Anima 和 HunyuanImage-2.1。安装方面，README 建议拿不准时先用 uv，不行再换 pip。macOS 的兼容性 README 写明「可能不一」。
在远程机器上通过浏览器使用时，README 建议用 --headless 参数启动。README 也提供了云端方案，本站将此归为「租云 GPU 路线」。
lora-scripts 要点
README 介绍它是一个 LoRA 与 Dreambooth 训练工具，包含 GUI、预设脚本和一键训练环境。克隆仓库时需要带上子模块（--recurse-submodules）。在 Windows 下，install.ps1 会自动创建虚拟环境并安装依赖。界面里整合了 TensorBoard、WD 1.4 Tagger（自动打标）和标签编辑器，需要手动整理数据集的用户用起来比较方便。
怎么选
- 想用较新的底模或更多训练类型，并希望工具持续更新：先看 kohya_ss GUI。
- 习惯中文界面和国内安装脚本，主要训练常见的 LoRA：可以试 lora-scripts，但要接受维护放缓的风险。
数据来源与核验日期
- kohya_ss GUI：https://github.com/bmaltais/kohya_ss
- SD-Trainer / lora-scripts：https://github.com/Akegarasu/lora-scripts
核验日期：2026-10-16。
合规提示
训练素材请使用你有权使用的图片，不要用未经授权的画师作品或真人肖像训练模型并发布。