需用30张唐代仕女正方形图（768×768，等比硬裁、纯白背景）、统一英文命名与精简标签（仅tang_lady,1girl等核心特征）、SD1.5底模、关闭混合精度、学习率4e-4、cosine调度、Batch Size×梯度累积=10，并配5张正则图约束泛化。
☞☞☞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上训练一个能稳定生成唐风汉服、水墨神韵、仕女仪态的国风角色LoRA，必须让每张图都承载明确的朝代特征与服饰细节，否则模型会把“唐圆宋方明妖娆”全搅成一团模糊的“古装感”，生成图里襦裙配马面、飞天袖接旗袍领。
准备30张唐风立绘正方形图
先确认你手里的图不是泛泛的“古风插画”，而是聚焦唐代仕女：高髻倭堕、齐胸襦裙、披帛垂曳、丰颊宽额——至少25张需含完整头肩+半身结构，5张可为全身动态（如执扇回眸、提灯缓步），全部用PS或XnConvert批量裁为【768×768像素】——SD1.5底模对1024×1024适配差，容易导致衣纹崩解、发丝糊成色块。
裁剪时禁用“自动填充拉伸”，必须等比缩放后居中硬裁；若原图是竖构图长图，先缩至长边=768，再上下裁掉多余背景，留白区域统一填纯白，避免AI误学杂色噪点。
文件名严格用半角下划线连接数字与英文词，例如01_tang_dynasty_lady.jpg、02_tang_hanfu_sleeve_detail.jpg；禁止出现“唐风仕女(1).jpg”“01-唐仕女.jpg”这类含中文括号、短横线、全角字符的命名，系统会静默跳过整张图。
打标只留触发词+1girl+核心特征词
每张图配同名txt标签文件，内容用英文逗号分隔，例如：tang_lady, 1girl, high_bun, ruqun, long_pibo, soft_ink_shade, white_background。
删掉所有颜色词（如red_ruqun）、场景词（如palace_garden）、光影描述（如golden_hour_light）——这些会污染权重，让模型过度绑定特定环境而非人物本体特征。
【触发词必须全小写、无空格、不加括号，且全程唯一，例如固定用tang_lady，后续生图时必须前置调用】。别写成tang_style_lady或tang_dynasty_woman，多一个下划线或单词都会导致触发失效。
进赛博丹炉选底模并锁死基础参数
登录LiblibAI → 进入“赛博丹炉” → 点击左侧“训练LoRA” → 底模选SD1.5（国风角色必须用它，SDXL会弱化线条韵律，Foundation1.0压根不识襦裙结构）。
简易参数面板中：“单次张数”保持15，“循环轮次”设为8，“模型效果预览提示词”第一项必须是你的触发词，例如：tang_lady, front_view, holding_fan, ink_wash_texture——【漏掉tang_lady或把它放在第二位，预览图就完全不带LoRA特征】。
关闭“混合精度训练”开关。这一步不能跳过，LiblibAI当前版本（v2.9.1）启用该选项，第3–4轮loss必爆NaN，日志只显示“loss=nan”，无其他报错提示。
高级参数四步调优止血
第一步：展开“高级参数”面板，Repeat设为6（30张图适用），Epoch先试5，别直接拉到12——小数据集Epoch过高会导致衣纹过拟合、面部细节坍缩成蜡像感。
第二步：学习率填4e-4（角色类LoRA必须用这个值），调度策略选“cosine with warmup”，严禁勾选“固定学习率”，否则loss前3轮剧烈震荡（0.9→0.4→1.2），根本无法收敛。
第三步：Batch Size设2，梯度累积设5，确保Batch Size×梯度累积=10（符合平台稳定区间8–12）；若用A10卡，Batch Size不可超2，否则显存溢出中断训练。
第四步：启用正则图功能，上传5张同风格但不含主体的图，例如纯唐风云纹边框、空白绢本底纹、褪色壁画残片，命名为reg_01.jpg～reg_05.jpg——它们不参与特征学习，只约束泛化边界，防止模型把“tang_lady”强行套在现代人脸上。
裁剪打标后必须人工逐张校验
方法一：点击「裁剪打标」→ 选「聚焦裁剪」→ 等待系统框出人脸区域 → 逐张检查框线是否覆盖眉心、鼻尖、下颌角三点，偏移超1像素就得手动拖拽微调；尤其注意披帛末端、发簪尖部是否被切出画面，这些细节能决定生成图衣饰飘动感是否自然。
方法二：打标完成后，点开每张图右侧自动生成的标签栏，删掉AI误加的词，比如原标“elegant Tang dynasty woman, soft lighting, detailed embroidery”必须精简为“tang_lady, 1girl, ruqun, pibo”——【多一个形容词，模型就少一分角色稳定性】。
