在LiblibAI平台训练角色LoRA需严格满足三重约束：20–50张主体居中、背景干净、无遮挡的正方形图（768×768或1024×1024），文件名全英文+下划线+数字序号，每张图标签须前置唯一触发词且禁用抽象词；底模须按角色类型匹配（人像选SD1.5、二次元选SDXL Anime等）；参数上Repeat设6–8、Epoch设5/8双版本、学习率4e-4、Batch Size×梯度累积=10、关闭混合精度，loss稳定在0.25左右为正常。
☞☞☞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☜☜☜
在LiblibAI平台上训练专属角色LoRA模型，需严格遵循图像规范、参数匹配与触发词绑定三重约束：20–50张同风格正方形图（768×768或1024×1024）、英文命名与标签、底模选择必须匹配角色类型，否则生成时会出现肢体错位、面部崩坏或触发失效。
准备角色训练图集
这一步操作起来很简单，直接把文件拖进去就行。但必须确保每张图都满足三个硬性条件：主体居中、背景干净、无遮挡——尤其避免手部交叉、头发遮脸、道具重叠等干扰特征学习的构图。
裁剪为正方形时，【禁止非等比拉伸】。用PS或在线工具手动裁切，不能靠平台自动缩放；若原始图是竖构图，宁可裁掉上下留白，也不能压扁头身比。
文件名必须全英文+半角下划线+数字序号，例如01_red_hair_girl.jpg、02_red_hair_girl_front.jpg。出现中文、空格、括号、全角逗号，上传后会直接报错中断。
每张图对应一个英文标签，用逗号分隔，关键词可加权。比如(red_hair:1.3), green_eyes, black_leather_jacket, side_profile。不要写“漂亮”“可爱”这类抽象词，AI无法识别。
选择底模与基础参数
底模选错，后续所有操作都白费。人像类角色选SD1.5；二次元/ACG角色选SDXL Anime或Seedream 4.5；带机甲、兽耳、翅膀等非标结构的角色，必须用Foundation1.0底模。
进入“赛博丹炉”→点击“训练LoRA”→在底模列表中找到对应模型→点击“使用此模型”。此时界面右上角会显示当前底模名称，确认无误再继续。
简易参数面板中，“单次张数”设为15，“循环轮次”设为8，“模型效果预览提示词”填入含触发词的短句，例如red_hair_girl, standing pose, studio lighting。注意：这个提示词不是描述图里内容，而是未来调用模型时必须写的启动开关。
高级参数关键设置
点击“高级参数”展开面板，按以下顺序设置：
① Repeat设为6（素材20–30张时）或8（少于20张时），数值过低导致特征学不牢，过高引发过拟合。
② Epoch设为5和8两个版本分别提交训练任务，后期对比生成图泛化能力——Epoch=5出图快但细节弱，Epoch=8稳定性高但可能僵硬。
③ 学习率填入4e-4，调度策略选“cosine with warmup”。【严禁使用固定学习率】，否则loss会在第300步左右突然爆NaN，训练直接终止。
④ Batch Size×梯度累积=10。若平台分配A10 GPU，设Batch Size=2、梯度累积=5；若为V100，则Batch Size=5、梯度累积=2。这个乘积必须落在8–12区间，否则显存溢出或收敛缓慢。
⑤ 关闭“混合精度训练”。LiblibAI云端fp16支持不稳定，开启后90%概率出现loss=nan错误，且无法回溯修复。
裁剪打标与人工校验
方法一：点击“裁剪打标”→选择“聚焦剪裁”→系统自动框出人脸区域→确认后批量生成带标签的训练图。
方法二：上传前已手动裁好正方形图，直接点“跳过裁剪”，进入打标环节——此时必须逐张检查AI自动生成的标签是否准确。比如图中人物戴眼镜，但标签漏了glasses，就得手动补上。
重点提醒：所有标签必须前置触发词。例如你设定的触发词是red_hair_girl，那每张图的标签开头都得是red_hair_girl, ……，否则训练完模型根本无法被调用。
最后一步：点击“开始训练”，等待进度条走完。loss稳定降至0.25左右即为正常，低于0.15可能过拟合，高于0.4说明数据或参数有误。
