Fizgig 中文版

镜像介绍

Fizgig —— 一站式 LoRA 训练 / 修复 / 探索工作台（浏览器即用，无需命令行）。

✦ 本镜像为「全中文界面」版本（社区首发）：内置自研汉化层，侧边栏、训练参数、提示消息全面中文化（专业术语按创作圈惯例保留英文）；界面右下角「中 / EN」悬浮按钮可一键切回英文；官方升级后汉化自动保留。

本镜像基于 UCloud 基础镜像制作，已预装并调通 Fizgig 完整运行环境（Python 虚拟环境 + PyTorch cu128 + 系统依赖），开机自启、零配置上手：部署实例后浏览器打开 8081 端口即可开始训练。

Fizgig 由 Peter Neill（shootthesound）开发，免费开源（Apache-2.0），上游仓库： https://github.com/shootthesound/Fizgig

适合人群：中文创作者——想为 Flux 2 Klein、Krea 2、MiniMax H3、Qwen Image 2.1、Z-Image Turbo 等模型训练/修复 LoRA，又不想折腾本地环境的伙伴。

功能特性

• 全中文界面（本镜像特色）：自研汉化层覆盖全部界面（含训练参数表单、状态消息、报错校验）；右下角「中 / EN」一键切换；fizgig-update 跟随官方升级后自动重打汉化，不会丢失
• Qwen Image 2.1 开箱预置：已预置 Fizgig 训练适配器 / VAE / Turbo LoRA 等常用组件，基座权重支持平台公共模型盘直连（零下载）
• 训练：LoRA / LoKR 训练，自适应学习率，断点续训（暂停/恢复不损质量），低显存自适应（4-bit NF4 量化 + 区块交换，低至 8–10GB 显存可训）
• 修复（Repair Studio）：不改训练数据、不重跑训练，用逐区块滑杆直接修复过拟合/抢特征的 LoRA，带实时预览与并排对比
• 剖析（Profiler）：生成 HTML 报告，看清哪些区块在起作用
• 提取（Extract）：SVD 权重蒸馏，把任意现成 LoRA 降秩轻量化（兼容 PEFT / LyCORIS / kohya 格式）
• 探索（LoRA the Explorer）：进化式变体发现，成对选择逐步雕出理想效果
• AI 字幕：Florence-2 自动打标 + 中英双语翻译；支持数据集智能优化（坏样本自动排查）
• Gizmo 素材预处理：视频场景切割、波形音频裁剪、Whisper 字幕、语音数据集录制
• 无头服务器友好：整套界面就是网页，电脑/手机浏览器皆可访问；关掉页面训练照跑（跑在实例上）
• 本镜像已做好的事：环境预装、开机自启、随机密码防护、模型目录外置软链（升级不丢）、全中文界面、fizgig-update 一键跟随官方升级（含汉化自动重打）

支持模型族一览（数值为官方参考）：

模型族	训练最低显存	模型体积	账号要求
Krea 2	8GB	≈32–45 GB	无需
MiniMax H3（视频+音频）	16GB	≈47 GB	无需
Qwen Image 2.1	10GB	≈38 GB（本镜像已预置常用组件）	无需
Flux 2 Klein 9B	10GB（<16GB 走 4-bit）	≈34 GB	免费 HF token
Flux 3 Image Klein	8GB	≈31 GB	免费 HF token（gated）
Z-Image Turbo / SDXL / Anima	8–12GB	视权重而定	视权重而定
tools（字幕/翻译/人脸）	—	数 GB	无需

使用教程

1. 部署实例

• 卡型推荐：RTX 4090 / 5090（24–32GB 体验舒适）；3090 / 3080Ti 亦可用（16GB 以下需量化模式）
• 内存建议 32GB 以上（开实时预览或训 MiniMax H3 建议 48GB+）
• 系统盘 100GB 起步（约容 2 个模型族；更多请挂数据盘）

2. 打开界面

3. 获取密码

• 进入实例的 JupyterLab 终端，运行：

fizgig-pass

• 首次开机会自动生成随机密码（每台实例独立）；登录后可在 偏好设置 → Web UI 里修改
• 

4. 下载模型 本镜像目前主要针对 Qwen Image 2.1 进行了预配置和测试，已经内置相关常用组件，可以优先使用。

• 登录后进入 偏好设置（Preferences） → 每个模型卡片点 Download models for me 自动下载并填好路径（平台网络已针对 HuggingFace 加速）
• Qwen Image 2.1 提示：常用组件已预置；基座权重可在平台公共模型盘直连（零下载）。若卡片提示缺件，点下载补齐即可
• Flux 2 Klein / Flux 3 Klein 需先到 HuggingFace 对应模型页接受许可，生成免费 token 后填入

5. 开始训练

• 开始 标签上传训练素材（浏览器直接拖入文件夹）→ 写好标注（可一键 AI 打标）→ 训练 标签选一个预设开训
• 成品 LoRA 直接在网页里下载；训练中可关闭页面，实例端继续跑

6. 界面语言

• 界面右下角「中 / EN」悬浮按钮一键切换中英文；默认中文

7. 常用命令（终端）

命令	作用
fizgig-pass	查看访问密码
fizgig-up	启动（已运行则不重复启动）
fizgig-stop	停止
fizgig-log	查看实时日志
fizgig-update	跟随官方升级到最新版并重启（汉化自动保留）

环境验证

部署后可在 JupyterLab 终端依次执行：

nvidia-smi          # 确认 GPU 可见
fizgig-pass         # 查看访问密码
curl -s -o /dev/null -w "%{http_code}\n" http://127.0.0.1:8081   # 应返回 200
curl -s http://127.0.0.1:8081 | grep -c fizgig-zh                # ≥1 表示中文界面就位

镜像内环境：

• Python 虚拟环境：/root/Fizgig/venv（PyTorch cu128）
• 模型目录：/root/fizgig-models（已软链至程序内 user_data/models）
• 自启动脚本：/start.d/fizgig.sh；日志：/root/fizgig.log
• 端口：Fizgig 8081 ｜ JupyterLab 8888
• 说明文档：/root/Fizgig使用说明.txt
• 版本基准：Fizgig 官方仓库 2026-10-16 版 ｜ 界面汉化层 v1.0

常见问题

Q：8081 打不开？ A：先确认实例处于「运行中」，再检查控制台防火墙是否放行了 8081；刚开机请等 1–2 分钟让服务拉起。

Q：界面怎么切换中英文？ A：界面右下角有「中 / EN」悬浮按钮，一点即切；默认中文。

Q：为什么有些词还是英文？ A：LoRA / Epoch / Rank / Preset 等专业术语按创作圈惯例保留英文，便于对照教程与官方文档；界面说明性文字均为中文。

Q：官方升级后汉化会丢吗？ A：不会——fizgig-update 已内置汉化重打钩子，跟随官方升级后中文界面自动保留。

Q：忘记密码 / 想换密码？ A：终端运行 fizgig-pass 查看；修改可在网页 偏好设置 → Web UI → Password（修改后重启生效，重启后依然是新密码）。

Q：模型下载慢或中断？ A：平台网络对 HuggingFace 有加速；下载器支持重试（偏好设置里再点一次即可，已下载部分不会重复）。仍慢时可换时段重试；基座权重可优先尝试平台公共模型盘直连。

Q：为什么镜像里没有内置全套模型权重？ A：模型族合计体积数十 GB，且部分模型许可（如 Flux 2/3 Klein）要求使用者本人接受条款，因此模型均由用户在使用时按需下载（Qwen Image 2.1 常用组件已预置）。缓存与数据集均在实例内，关机保留（按量计费关机不收 GPU 费）。

Q：磁盘不够装多个模型族？ A：挂载数据盘后迁移（命令见 /root/Fizgig使用说明.txt），推荐把 /root/fizgig-models 迁到数据盘。

Q：想升级 Fizgig 新版本？ A：终端运行 fizgig-update（git 拉取最新版 + 依赖补齐 + 自动重启），你的模型、数据集、LoRA 输出与中文界面均不受影响。

Q：训练数据放在哪？ A：上传的素材与输出都在 /root/Fizgig/user_data（其中模型实际存放于 /root/fizgig-models）。