训练、打标、环境管理、资产沉淀，一条龙在本地完成。你的 LoRA，是自己可拥有的资产，不上传、不订阅、不依赖云端。
我们把"训练真正能用"这件最难的事，做成了开箱即用的闭环。
数据体检、自动配参、训练监控、结果卡片一站式打通，新手也能跑出能用的 LoRA。
基于 llama-cpp 的本地多模态打标，qwen2vl / qwen3vl 等视觉模型原生支持，离线秒出标签。
一键把 Python 环境、插件状态、依赖版本冻结成快照；装错插件随时还原，零风险。
离线读取 LoRA 元数据：底模、触发词、步数、Dim/Alpha 一览无余，不再是一堆看不懂的文件。
触发词、LoRA 直接注入 ComfyUI 工作流，递归扫描多目录、支持 JSON 与内嵌 PNG 两种格式。
工作流广场、预设方案、跨站资源搜索聚合，把模型·工作流·LoRA 串成一条出图流水线。
本地 VLM 把图片反推成提示词，可一键扩写、批量处理，不消耗任何在线额度。
支持天使专属的「异火紫」皮肤，AI-Toolkit 与天使启动器双端可用的惊喜回报。
安装/更新中断自动自愈，训练数据与模型始终安全归位，顾客无需手动抢救。
几分钟上手，从安装到出第一张 LoRA。
📺 视频发布在 B 站，点击视频卡片或下方按钮前往主页观看（零带宽成本，无需自托管）。
关注我们获取最新教程：👉 训练天使 B 站主页
顾客最常问的几件事，先在这里说清楚。
MiniMax-H3 是实验性 33B 视频+音频模型，需要单独的 AI-Toolkit 环境包。请先把环境包解压到软件目录下的 resources/env/，再在训练页确认引擎选的是「AI-Toolkit」。环境未就绪时该选项会灰显并提示原因，按要求解压即可，不是软件坏了。
不同底模门槛不同：SD1.5 ≥6GB、SDXL ≥8GB、FLUX ≥12GB、视频/音频模型（含 H3）≥24GB。显存吃紧时，软件会自动走 INT8 量化、低显存逐层卸载等护栏；H3 还提供「低显存逐层卸载训练」开关，把模型分块搬到内存，24GB 小卡也能跑。
这是「保存间隔」的设定：默认每训练一轮（epoch）保存一次。比如轮数 2、间隔 1，会产出 3.safetensors 和 6.safetensors 两个文件（数字代表累计步数）。如果想每个轮次都留档，保持间隔=1 即可；想少存几份就调大间隔。最终可用的是最后那个。
打标基于本地 GGUF 多模态模型（qwen2vl / qwen3vl 等），完全离线。视频同样支持：会自动抽帧打标；开启「听觉打标」后还能把视频里的语音/台词转写成文字并入标签（环境声不描述）。转写依赖本地 faster-whisper，显卡或 CPU 均可。
不会上传。训练、打标、反推全部在本地完成，数据不出本机。仅首次激活和下载模型权重时需要联网；之后断网也能正常使用。
训练监控页会实时滚动日志，并在完成时给出「结果卡片」（LoRA 路径、采样图）。点顶部「ComfyUI 测图」可把 LoRA 与触发词一键注入 ComfyUI 工作流，在你自己启动的 ComfyUI 里出图。
默认参数已经过调优，新手直接跑即可出好效果。差分输出保留（防过拟合）等高级项仅在使用 AI-Toolkit 引擎时显示；原生引擎不暴露这些旋钮，避免选了却不生效。