必须严格满足20–50张同角度同光照居中正方形图、英文触发词前置、SD1.5底模、关闭混合精度等规范，否则loss崩塌或生成错位；图片需纯色背景、768×768裁剪、半角命名、清除EXIF；打标仅留“名字, 1girl/1boy”；参数设Repeat=6、Epoch=5、学习率4e-4、梯度累积=3、正则图占20%；loss需5分钟内跌破0.7，稳定在0.22–0.28结束。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在LiblibAI上训练一个能稳定生成自己或特定人物的LoRA模型，必须严格满足人物图像的数据规范与平台参数逻辑：20–50张同角度、同光照、主体居中且背景干净的正方形图，英文标签带触发词前置，底模选SD1.5，关闭混合精度，Repeat与Epoch组合需匹配图片量——少一张就可能让loss崩成直线。
准备符合要求的人物训练集
人物LoRA对图像一致性极度敏感，哪怕3张图里有1张侧脸或虚焦，都会导致生成时五官错位或肢体扭曲。
第一步：用手机或相机拍摄15–20张正面半身照，人物占画面70%以上，纯色背景（白墙/灰布最佳），避免反光、阴影和多人入镜。
第二步：全部图片统一裁剪为正方形，分辨率锁定在【768×768】——别用1024×1024，SD1.5底模对高分辨率适配差，容易触发特征漂移。
第三步：文件重命名为半角下划线格式，例如01_zhaoxiaoming_face.jpg、02_zhaoxiaoming_smile.jpg，严禁出现空格、中文括号、全角逗号。
第四步：上传前用文本编辑器打开每张图的EXIF信息，删掉GPS坐标和设备型号——LiblibAI打标模块会误读这些字段，生成错误标签如“iPhone_15_Pro”。
上传并完成裁剪打标
这一步不能跳过自动裁剪直接进训练，否则AI会把背景杂物当主体学进去。
方法一：点击「裁剪打标」→ 选择「聚焦裁剪」→ 等待系统自动框出人脸区域 → 逐张确认框线是否完全覆盖眉眼鼻嘴，偏移超2像素就得手动拖拽校准。
方法二：若原图已居中且无干扰物，可切换「中央裁剪」→ 直接启用，但必须检查每张图裁后是否仍保持人物完整——脖子被切掉一半会导致训练出无肩模型。
打标完成后，【务必逐张点开自动生成的标签，删掉所有形容词和场景词，只保留触发词+1girl/1boy】。比如原标“young Chinese woman, studio lighting, soft smile”必须精简为“zhaoxiaoming, 1girl”，多一个逗号都可能污染权重。
关键参数设置（标准模式+故障修复）
新手直接套用标准模式能跑通80%人物训练，但一旦loss卡在0.8不降，就得切到高级参数手动干预。
① 进入「简易参数」面板，底模选【SD1.5】（人物/ACG专用），单次张数设15，循环轮次设8，模型效果预览提示词填“zhaoxiaoming, front view, high detail, sharp focus”。
② 关闭「混合精度训练」开关——这是LiblibAI云端最常触发NaN Loss的元凶，不开它，loss曲线才可能平稳降到0.25左右。
③ 若训练中途报错或loss震荡，立刻点开「高级参数」：Repeat设6（20张图适用），Epoch设5，学习率填【4e-4】（人物类必须比风格类高一档），梯度累积设3，确保Batch Size×梯度累积=9。
④ 正则图必须启用，数量设为训练图总数的20%，系统会自动从图库抽样——禁用它，小数据集下极易过拟合，生成图全是训练图翻拍。
启动训练与实时监控
训练按钮不是点完就等结果，前5分钟必须盯住loss曲线，异常立刻中断重调。
点击「立即训练」后，页面自动跳转至任务看板，左侧显示实时loss值，右侧滚动日志。
前三分钟loss应快速跌破0.7，若停滞在0.95以上，说明触发词没生效或图片分辨率错误，立即暂停任务。
loss下降到0.3后开始平缓波动，此时可刷新页面查看预览图——第1张预览图若出现五官模糊或双下巴，说明打标时删多了关键词，需回退重标。
当loss稳定在0.22–0.28区间持续10分钟，训练自动结束，模型生成完毕。
