Alibaba Cloud Model Studio:画像生成モデルのファインチューニング

id を保存してください。これは、アップロードされたデータセットの一意の識別子です。

{
    "id": "file-ft-3c67043a747c-xxxxxx",
    "object": "file",
    "bytes": 73310369,
    "filename": "wan-image-t2i-training-dataset.zip",
    "purpose": "fine-tune",
    "status": "processed",
    "created_at": 1782271893
}

ステップ 2.1：ファインチューニングジョブの作成

ステップ 1 で取得したファイル ID を使用して、トレーニングジョブを開始します。

リクエスト例

<replace_with_training_dataset_file_id> を前のステップで取得した id に置き換えてください。完全なパラメータリファレンスと形式の制約については、ハイパーパラメーターをご参照ください。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "wan2.7-image-pro",
    "training_datasets": [
        {
            "data_source_type": "file_id",
            "file_id": "<replace_with_training_dataset_file_id>"
        }
    ],
    "training_type": "efficient_sft",
    "hyper_parameters": {
        "learning_rate": 3e-5,
        "max_steps": 800,
        "eval_steps": 200,
        "max_token_length": "1k",
        "gradient_clip": 0.5,
        "weight_decay": 0.02,
        "max_pixels": "1k",
        "val_img_size": "1k",
        "generation_type": "t2i",
        "lora_rank": 32,
        "save_total_limit": 10
    }
}'

レスポンス例

output フィールドの 3 つの主要なパラメータに注目してください。

• job_id：ジョブ ID。進捗状況の照会に使用します。

• finetuned_output：ファインチューニング済みモデルの名前。以降のデプロイメントと呼び出しには、この名前を使用する必要があります。

• status：トレーニングステータス。ファインチューニングジョブの作成後、初期ステータスは PENDING であり、トレーニングがまだ開始されていないことを示します。

{
    ...
    "output": {
        "job_id": "ft-202511111122-xxxx",
        "status": "PENDING",
        "finetuned_output": "xxxx-ft-202511111122-xxxx",
        ...
    }
}

ステップ 2.2：ファインチューニングジョブステータスの照会

ステップ 2.1 で取得した job_id を使用して、ジョブの進捗状況を照会します。status が SUCCEEDED に変わるまで、以下の API をポーリングしてください。

リクエスト例

URL 内の <replace_with_fine_tuning_job_id> を job_id の値に置き換えてください。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<replace_with_fine_tuning_job_id>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json'

レスポンス例

output フィールドの 2 つのパラメータに注目してください。

• status：その値が SUCCEEDED に変わると、モデルのトレーニングが完了し、モデルのデプロイメントに進むことができます。

• usage：モデルトレーニング中に消費されたトークンの合計数。課金のために使用されます。

{
    ...
    "output": {
        "job_id": "ft-202511111122-xxxx",
        "status": "SUCCEEDED",
        "usage": 432000,
        ...
    }
}

ステップ 3.1：モデルのオンラインサービスへのデプロイ

ファインチューニングジョブのステータスが SUCCEEDED に変わったら、モデルをオンラインサービスとしてデプロイします。

リクエスト例

<replace_with_model_name> をファインチューニングジョブの作成の出力から取得した finetuned_output の値に置き換えてください。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/deployments' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model_name": "<replace_with_model_name>",
    "capacity": 1,
    "plan": "lora"
}'

レスポンス例

output フィールドの 2 つのパラメータに注目してください。

• deployed_model：デプロイ済みモデル名。デプロイメントステータスの照会とモデルの呼び出しに使用します。

• status：モデルのデプロイメントステータス。ファインチューニング済みモデルのデプロイ後、初期ステータスは PENDING であり、デプロイメントがまだ開始されていないことを示します。

{
    ...
    "output": {
        "deployed_model": "wan2.7-image-pro-xxxxxxxxxxxx",
        "status": "PENDING",
        ...
    }
}

ステップ 3.2：デプロイメントステータスの照会

デプロイメントステータスを照会します。status が RUNNING に変わるまで、以下の API をポーリングしてください。

リクエスト例

<replace_with_deployed_model> をステップ 3.1 の出力から取得した deployed_model の値に置き換えてください。

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/deployments/<replace_with_deployed_model>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' 

レスポンス例

output フィールドの 2 つのパラメータに注目してください。

• status：ステータスが RUNNING に変わると、モデルが正常にデプロイされており、呼び出しを開始できます。

• deployed_model：デプロイ済みモデル名。

{
    ...
    "output": {
        "status": "RUNNING",
        "deployed_model": "wan2.7-image-pro-xxxxxxxxxxxx",
        ...
    }
}

トレーニングセット：必須

検証セット：オプション

1. ファインチューニングシナリオの決定

Wan は、画像生成に関する以下のファインチューニングシナリオをサポートしています。

• IP キャラクターのスタイル化：アニメキャラクターやマスコット画像など、特定の IP キャラクターの描画スタイルをモデルに学習させます。

• 固定されたビジュアルスタイル：フラットイラスト、水墨画、ピクセルアートなど、特定のアートスタイルを再現するモデルの能力を向上させます。

• 特定シーンの生成：商品展示画像やポスターレイアウトなど、特定の構図パターンやシーンテンプレートを再現します。

2. 素材の取得

• AI 生成と選択：Wan ベースモデルを使用して画像を一括生成し、目的の効果に最も一致する高品質なサンプルを手動で選択します。これが最も一般的に使用される方法です。

• 実写撮影：高度にリアルなシーン (実際の商品写真や人物写真など) を実現することが目標の場合、実写素材を使用するのが最良の選択です。

• 3D ソフトウェアレンダリング：細部の制御や 3D レンダリングスタイルが必要なシーンの場合、3D ソフトウェア (Blender や C4D など) を使用して素材を作成することを推奨します。

3. データクリーニング

プロンプトの記述形式

プロンプト = [被写体の説明] + [背景の説明] + [トリガーワード] + [スタイルの説明]

トレーニング中、システムは定期的にモデルのスナップショット (すなわちチェックポイント) を保存します。デフォルトでは、システムは最後のチェックポイントを最終的なファインチューニング済みモデルとして出力します。ただし、中間段階で生成されたチェックポイントが最終バージョンよりも優れたパフォーマンスを発揮する場合があります。最も満足のいくものを選択してデプロイできます。

システムは、ハイパーパラメータ (hyper_parameters) の eval_steps で設定された間隔で、検証データセットに対してチェックポイントを実行し、プレビュー画像を生成します。

• 評価方法：生成されたプレビュー画像を直接観察して結果を判断します。

• 選択基準：最も良い結果を出し、スタイルが最も近く一致するチェックポイントを見つけます。

操作手順

curl --location 'https://dashscope.aliyuncs.com/api/v1/fine-tunes/<replace_with_fine_tuning_job_id>/validation-results' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' 

{
    "request_id": "da1310f5-5a21-4e29-99d4-xxxxxx",
    "output": [
        {
            "checkpoint": "checkpoint-160"
        },
        ...
    ]
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<replace_with_fine_tuning_job_id>/validation-details/<replace_with_checkpoint_to_export>?page_no=1&page_size=10' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "375b3ad0-d3fa-451f-b629-xxxxxxx",
    "output": {
        "page_no": 1,
        "page_size": 10,
        "total": 5,
        "list": [
            {
                "img_path": "https://finetune-result.oss-cn-wulanchabu.aliyuncs.com/xxx.png?Expires=xxxxxx",
                "prompt": "s86b5p, Change the background to an elevator equipped with a white ceiling lighting, featuring large floor-to-ceiling windows. Change the character's clothing to red tight-fitting mech armor with black stripe decorations.",
                "input_img": "https://finetune-result.oss-cn-wulanchabu.aliyuncs.com/val_dataset/input_001.png?Expires=xxxxxx"
            },
            ...
        ]
    }
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<replace_with_fine_tuning_job_id>/export/<replace_with_checkpoint_to_export>?model_name=<replace_with_exported_model_display_name>' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "0817d1ed-b6b6-4383-9650-xxxxx",
    "output": true
}

curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<replace_with_fine_tuning_job_id>/checkpoints' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"

{
    "request_id": "b0e33c6e-404b-4524-87ac-xxxxxx",
    "output": [
         ...,
        {
            "create_time": "2025-11-11T13:27:29",
            "full_name": "ft-202511111122-496e:checkpoint-160",
            "job_id": "ft-202511111122-496e",
            "checkpoint": "checkpoint-160",
            "model_name": "xxxx-ft-202511111122-xxxx-c160", // 重要なフィールド、モデルデプロイと呼び出しに使用
            "model_display_name": "xxxx-ft-202511111122-xxxx",
            "status": "SUCCEEDED" // チェックポイントのエクスポートに成功
        },
        ...

    ]
}