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上训练出能稳定生成自己或特定人物的LoRA模型，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。
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 关闭“混合精度训练”开关——这是LiblibAI云端环境最常触发NaN Loss的开关，开着必炸。
② 进入高级参数面板，将Repeat设为6（若图集为20–30张）或7（若图集仅15–19张），Epoch先试5，不要直接拉到12——小数据集Epoch过高只会过拟合。
③ 学习率填4e-4（角色类专属值），调度策略必须选“cosine with warmup”，固定学习率会导致前期震荡后期卡死。
④ Batch Size × 梯度累积 = 9，例如Batch Size=3 → 梯度累积=3；该组合在A10显卡上实测收敛最稳。
⑤ 启用正则图功能，并上传5张同风格但不含人物的空镜图（如纯灰背景、宣纸纹理、空白影棚），用于抑制面部特征坍缩。
启动训练与实时监控
点击「开始训练」后立即跳转至训练日志页，观察loss曲线走势。
前5分钟loss必须跌破0.7，否则说明数据或参数存在硬伤，应立刻暂停并回溯检查裁剪框与标签。
loss稳定区间应落在0.22–0.28之间，低于0.2易过拟合，生成图只会复刻原图姿态；高于0.3说明泛化能力不足，需补图或调高Repeat值。
训练总耗时约22–38分钟（取决于图集数量与服务器负载），进度条走到100%即自动封包生成.safetensors文件。
