●  Guide d'installation · 15 minutes · une seule fois

Lance ton studiosans une ligne de code.

Ton ordinateur ne calcule rien : tout tourne sur un GPU loué chez RunPod. Tu crées un stockage pour garder tes modèles et tes images, tu démarres un pod avec la template Lazarus, puis tu pilotes tout depuis Lazarus Control.

Commencer Ouvrir la template ↗
Un compte RunPod10 $ de créditUn navigateur
  1. 00Créer ton compte RunPod2 min
  2. 01Créer le stockage2 min
  3. 02Déployer le pod3 min
  4. 03Installer le pack1re fois
  5. 04Ouvrir Lazarus Control1 min
  6. 05Arrêter le pod10 s
Comment ça marche

Trois pièces.Une seule à allumer.

Le stockage garde tout, même pod éteint. Le pod est la machine avec le GPU : tu l'allumes pour travailler, tu l'éteins après. Lazarus Control s'ouvre dans ton navigateur et envoie le travail au pod.

TON NAVIGATEUR LAZARUS CONTROL · PC OU MAC FORMULAIRES IMAGES · VIDÉOS LE POD RUNPOD GPU · COMFYUI · JUPYTER FACTURÉ À L'HEURE, ALLUMÉ ÉCRIT LIT STOCKAGE GARDE TOUT
00

Créer ton compte RunPod

Inscris-toi sur runpod.io, puis ajoute du crédit dans Billing. 10 $ suffisent pour démarrer. RunPod facture à la seconde : tu paies le GPU seulement quand un pod tourne, plus le stockage chaque mois.

  • Crédit de départ 10 $
  • Facturation à la seconde
  • Paiement carte ou crypto
Ce que tu vas payer
QuoiQuandPrix constaté
GPU RTX PRO 6000 · 96 GoSeulement quand le pod tourne≈ 2,09 $ / h
GPU RTX 4090 · 24 GoSeulement quand le pod tourne≈ 0,74 $ / h
Stockage · 300 GoTout le temps, même pod éteint≈ 21 $ / mois

Prix relevés sur RunPod, ils varient selon le datacenter et la demande. Exemple : une heure d'images sur PRO 6000 ≈ 2 $ ; un entraînement de 3 000 steps ≈ 1 h 40, soit ≈ 3,50 $.

01

Créer le stockage

Le stockage réseau (Network Volume) garde tes modèles, tes LoRA et toutes tes images quand le pod est éteint. Sans lui, tout disparaît à chaque arrêt. Tu le crées une seule fois.

  • Taille 300 Go
  • Minimum 200 Go
  • Datacenter celui de ton GPU
Plus court : Lazarus Control peut créer le stockage et louer le pod tout seul. Il te suffit d'une clé API RunPod (console.runpod.io → Settings → API keys). Dans ce cas, saute les étapes 01 et 02 et va directement à l'étape 03.

Aperçu simplifié : les libellés de RunPod sont en anglais, l'écran réel peut différer un peu.

  1. Dans RunPod, menu Storage → New Network Volume.
  2. Datacenter : choisis-en un qui propose des RTX PRO 6000 (nous utilisons EU-RO-1). Le pod devra être lancé dans ce même datacenter.
  3. Taille : 300 Go. Les modèles pèsent déjà plus de 100 Go, il faut de la place pour tes images, vidéos et LoRA.
  4. Nom : lazarus, puis Create.
02

Déployer le pod avec la template

La template Lazarus contient ComfyUI prêt à l'emploi, Jupyter et les bons ports. Tu choisis seulement le GPU et ton stockage.

  • Template LAZARUS ComfyUI
  • ID ga53ushz3b
  • Type On-Demand
Déployer la template ↗
  1. Clique Déployer la template : RunPod s'ouvre avec la template Lazarus déjà choisie.
  2. En haut de la page, sélectionne ton Network Volume « lazarus ». La liste des GPU se limite alors à son datacenter.
  3. Choisis le GPU (tableau ci-dessous).
  4. Edit Template → Environment Variables → ajoute JUPYTER_PASSWORD avec un mot de passe à toi. Il sert à lancer l'entraînement depuis Lazarus Control.
  5. Garde On-Demand, pas Spot, puis Deploy.
  6. Attends 2 à 3 minutes que le pod passe en Running.
GPUCe qu'il fait tournerPrix
RTX PRO 6000
96 GoRecommandé		Tout : dataset, entraînement rapide, images, face swap, motion control≈ 2,09 $/h
RTX 4090
24 Go		Dataset, images, face swap, entraînement lent (mode 24 Go). Pas le motion control.≈ 0,74 $/h
Spot = moins cher mais coupé sans prévenir. Pour un entraînement ou une vidéo, reste en On-Demand.
03

Un bouton, et c'est prêt

Deux lignes à coller, un bouton : le panneau installe les nœuds, télécharge les modèles, copie les workflows et démarre ComfyUI. À faire une seule fois, sur un stockage neuf.

  • Durée 20 min environ
  • Téléchargement 100 Go et +
  • Fréquence une fois
  1. Sur ton PC : dézippe le pack et double-clique start.bat. Lazarus Control s'ouvre dans ton navigateur.
  2. Choisis Create my pod for me et colle ta clé API RunPod — ou bien I already have a pod avec l'identifiant et le mot de passe Jupyter — puis clique sur le bouton.
  3. Un seul modèle demande un compte gratuit Hugging Face : ouvre huggingface.co/black-forest-labs/FLUX.2-klein-9B, accepte la licence, puis Settings → Access Tokens pour créer un jeton read et colle-le dans le champ prévu du panneau. Sans lui, le générateur de dataset et le face swap ne démarrent pas.
  4. Laisse la fenêtre ouverte : la liste se coche toute seule (connexion, inventaire, installation, démarrage, vérification). Compte 20 minutes la première fois.
  5. Quand tout est vert, clique Create my first images.
Une ligne rouge explique quoi faire : pod arrêté, mot de passe refusé, lien de modèle manquant. Tu peux relancer le bouton autant de fois que tu veux, il n'installe que ce qui manque.
04

Ouvrir Lazarus Control

Lazarus Control tourne directement sur ton pod. Colle l'identifiant de ton pod (visible dans RunPod, ou l'adresse complète) : on te donne tes liens.

  • Adresse <id>-8188.proxy.runpod.net/lazarus/
  • Serveur détecté tout seul
  • Données restent dans ton navigateur
Ton pod
  1. Ouvre Lazarus Control : le serveur de ton pod est reconnu automatiquement. L'accueil montre les 5 étapes et ce qui est prêt.
  2. Suis l'ordre : dataset, entraînement, puis images, face swap et vidéo avec ton nouveau modèle.
  3. Pour l'entraînement, ouvre Lazarus Control depuis ton PC : dézippe le pack, double-clique start.bat, va dans Train the model et entre l'ID du pod et ton mot de passe Jupyter.
01Dataset2 photos de ton perso → un set d'entraînement.
02EntraînementLe LoRA de ton perso, avec son mot-clé.
03ImagesTon perso dans n'importe quelle scène.
04Face swapTon perso sur la photo de ton choix.
05MotionUne vidéo TikTok, les mêmes gestes, 60 fps.
05

Arrêter le pod

Le GPU est facturé tant que le pod tourne, même s'il ne fait rien. Quand tu as fini : Stop. Tes fichiers restent dans le stockage.

BoutonCe qui se passePour reprendre
StopLe GPU s'arrête, plus rien n'est facturé à l'heure. Rien n'est perdu.Start sur le même pod (si le GPU est libre).
TerminateLe pod est supprimé. Le stockage et tout son contenu restent.Redéploie la template avec le même stockage : tout est là.
Supprimer le stockageTout est effacé : modèles, LoRA, images.Seulement si tu arrêtes pour de bon.
GPU indisponible au redémarrage ? Terminate, puis redéploie la template sur le même stockage avec un autre GPU du datacenter. Tes fichiers sont dans le stockage, pas dans le pod.
Dépannage

Ça ne marche pas ?Presque toujours l'une de ces sept choses.

Lazarus Control affiche une erreur 404 ou ne répond pas

Le pod est arrêté ou encore en démarrage. Attends qu'il soit en Running dans RunPod. Il arrive que RunPod arrête un pod tout seul (statut Exited) : relance-le, tes fichiers sont dans le stockage.

Lazarus indique des « nœuds manquants »

L'installation n'est pas terminée, ou ComfyUI n'a pas redémarré depuis. Relance la commande de l'étape 03, puis Restart le pod.

Un LoRA de style est signalé comme absent

Quatre LoRA de style (Detailer-KREA2, RealisticSnapshotKrea2, Famegrid-Natural-V1-Krea-2, phone_photography_2020_krea2) sont des LoRA communautaires : ils ne sont pas fournis avec le pack. Lazarus les désactive tout seul et l'image sort quand même. Pour retrouver exactement le rendu des exemples, télécharge-les toi-même et dépose-les dans models/loras.

Aucun GPU disponible

Ton stockage fixe le datacenter. Choisis un autre GPU dans ce datacenter, ou réessaie un peu plus tard : les disponibilités changent vite.

Erreur « CUDA out of memory »

Le motion control et l'entraînement rapide demandent la RTX PRO 6000. Sur une 4090, choisis le mode « 24 GB » dans Train the model et évite la vidéo.

Jupyter me demande un mot de passe

C'est celui que tu as mis dans JUPYTER_PASSWORD à l'étape 02. Tu l'as oublié ? Edit Pod dans RunPod, change la variable, redémarre.

L'entraînement ne se lance pas depuis Lazarus Control

Il faut ouvrir Lazarus Control depuis ton PC avec start.bat (pas depuis l'adresse du pod), et installer une fois pip install requests websocket-client. Le bouton « Check the pod » te dit ce qui manque.