主要观点：作者利用空闲时间尝试训练自己的 AI 图像模型，以生成自己的照片，包括超人形象等。介绍了选择模型、创建训练集、训练模型、将模型保存到 Hugging Face 以及使用模型生成图片等步骤，还提到了可通过编程方式运行模型，并分享了训练和生成图片的结果及成本。
关键信息：

• 选择 Flux 作为基础模型，采用 LoRA 训练技术，训练集为 10 - 15 张自己的不同照片及对应的文本描述。
• 在 Replicate 上进行训练，设置输入图像、触发词等参数，约 20 分钟完成训练，训练后可将模型保存到 Hugging Face。
• 使用 lucataco/flux-dev-lora 食谱通过 Replicate 生成图片，可通过 Python 脚本编程运行模型。
• 训练成本约 2.5 美元/模型，生成图片约 0.03 美元/张，整体实验花费近 10 美元。
  重要细节：
• 训练时不必手动标注图像，工具可自动生成字幕。
• 模型生成结果有好有坏，添加关于人物的额外提示有助于改善，且包含其他人时模型易出错。
• 作者分享了 Python 脚本代码及示例运行命令，还给出了不同提示下生成的图片示例。