Hey everyone! 👋
I know that with the recent changes to Civitai’s reward system, both yellow Buzz and blue Buzz have become harder to earn and more confusing to manage. 🌀
I’ve seen posts like “Hey, I exist! Send me some yellow Buzz!” — and honestly, I get it. The current system can be tough, especially for creators who put in effort and want to stay active in the community.
So I thought: how could I help others generate more Buzz (yellow and blue) and keep creating freely?
That’s why I decided to write this guide. 🌱
Here, you’ll learn how to train your own LoRAs outside of Civitai, upload them, and maintain a steady flow of Buzz, even if you don’t have much to start with.
🧰 Tool to Download Images from Danbooru
This Python script, created by me, allows you to download images in bulk directly from Danbooru.
You can use your personal API key and filter downloads by tags.
For example, using the tag "videl" will automatically fetch all related images.
You can also set a download limit — 100, 500, 1000, or however many you need.
It’s perfect for building organized datasets, though you can still collect images manually if you prefer.
🏷️ Creating and Tagging Your Datasets
While Civitai’s auto-tagging feature for datasets and training is great, it’s been unstable lately.
So I recommend using this simple and effective Google Colab:
🔗 Dataset Maker (Colab)
Here’s what to do:
In your Google Drive, create a folder named “Loras”.
Inside it, make another folder with the name of your LoRA (e.g. videl).
Within that folder, create another named “dataset” and place all your images there.
Once you run the Colab, it will generate .txt files for each image containing the detected tags.
At Step 5, you can add your LoRA’s activation word.
When you’re done, close the runtime by clicking “Stop runtime” at the top-right, and move on to the next step.
🧠 Training the LoRA
Now that your dataset is ready, run this Colab to start training.
Personally, I recommend 10 epochs, and usually the best results come from epoch 10.
Once your LoRA is ready, generate sample images that are visually appealing and varied.
Don’t focus only on NSFW content — also make SFW artworks, portraits, or creative concepts.
This helps attract a wider audience and ensures your Buzz keeps growing organically and passively. 🌟
🎥 Bonus Resource
Here’s an excellent video tutorial (in Spanish) if you want to follow along visually:
🔗 Watch on YouTube
I hope this guide helps you on your creative journey. 🙌
If you have any questions, feel free to reach out via DM or comments — I’ll be happy to help! 💬
Keep creating, sharing, and inspiring others through your art. 🎨
✨ Guía para Entrenar tus Propios LoRAs y Generar Buzz en Civitai 💛💙
¡Hola a todos! 👋
Sé que últimamente los cambios en el sistema de recompensas de Civitai, tanto con el Buzz amarillo como con el Buzz azul, han causado bastante confusión y frustración para muchos creadores. 🌀
He visto publicaciones del tipo “¡Hey, existo! Regálame Buzz amarillo”, y sinceramente, lo entiendo. El nuevo sistema puede resultar difícil, especialmente para quienes dedican tiempo y pasión a crear contenido y quieren seguir activos en la comunidad.
Así que pensé: ¿cómo podría ayudarles a generar más Buzz (amarillo y azul) y seguir creando sin depender tanto del sistema interno?
Y de esa idea nació este artículo. 🌱
Aquí te mostraré cómo entrenar tus propios LoRAs por fuera de Civitai, subirlos a la plataforma y mantener un flujo constante de Buzz, incluso sin gastar el que ya tienes.
🧰 Herramienta para descargar imágenes de Danbooru
Esta herramienta fue creada por mí. Es un script en Python diseñado para descargar imágenes directamente desde Danbooru de manera masiva.
Puedes usar tu API personal de Danbooru y buscar por tags.
Por ejemplo, si usas el tag "videl", el programa descargará todas las imágenes relacionadas con ese personaje.
Además, puedes limitar la cantidad de imágenes: 100, 500, 1000, ¡tú eliges!
Perfecto para crear datasets organizados, aunque también puedes obtener imágenes de la forma tradicional si lo prefieres.
🏷️ Crear y etiquetar tus datasets
Aunque la función de autoetiquetado de Civitai al crear datasets o entrenamientos es muy útil, últimamente ha presentado errores.
Por eso te recomiendo este excelente Google Colab:
🔗 Dataset Maker (Colab)
Sigue estos pasos sencillos:
En tu Google Drive, crea una carpeta llamada “Loras”.
Dentro, crea otra carpeta con el nombre del LoRA que vas a entrenar (por ejemplo: videl).
Dentro de esa carpeta, crea una subcarpeta llamada “dataset” y coloca todas las imágenes allí.
Al ejecutar el Colab, se generarán archivos .txt junto a cada imagen, con las etiquetas detectadas automáticamente.
En el paso 5, puedes añadir la palabra de activación de tu LoRA.
Una vez terminado, cierra el Colab en la parte superior derecha (donde están los indicadores de RAM y GPU) y selecciona “Detener tiempo de ejecución” para pasar al siguiente paso.
🧠 Entrenar tu LoRA
Con tus archivos .txt listos, ejecuta este Colab para entrenar el modelo.
Personalmente recomiendo 10 epochs, y normalmente la mejor versión es la epoch número 10.
Cuando tu LoRA esté listo, genera imágenes de muestra atractivas para presentarlo.
Mi consejo: no te limites al contenido NSFW. Produce también imágenes SFW (artísticas, estilizadas o temáticas).
Esto atraerá a más público y aumentará tus posibilidades de generar Buzz de forma constante y pasiva. 🌟
🎥 Recurso adicional
Si prefieres un apoyo visual, te recomiendo este excelente video (en español):
🔗 Ver video tutorial en YouTube
Espero que esta guía te sea útil. 🙌
Si tienes dudas, puedes escribirme por DM o dejar un comentario, estaré encantado de ayudarte. 💬
¡Sigue creando, compartiendo y haciendo crecer esta gran comunidad de artistas! 🎨
