必须统一或结构化管理训练集中的服装，否则模型会因服饰噪声导致生成时服装随机漂移；推荐单服装锁定、分批次训练或多套服装主次分明三种策略，并需人工精准打标、严格控制标签顺序与用词。
☞☞☞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☜☜☜
要在LiblibAI上训练出能稳定复现特定角色服装的LoRA模型，必须明确控制服装在训练集中的呈现方式——服装不一致不是“丰富多样性”，而是直接导致生成时服装随机漂移的核心原因。
为什么服装必须统一或结构化管理
你训练出的LoRA模型不会“理解”角色有“多套衣服”，它只会从所有图片中提取高频共现特征。当140张图里包含37种不同外套、12种发型、8种鞋款时，模型学到的不是“这个角色穿什么”，而是“这个人像区域+一堆浮动服饰噪声”的耦合模式。结果就是：脸部锚定成功，衣服彻底失控——这正是你在NGA社区描述的“脸部还原很好，但衣服一张都不像”的真实机理。
服装混杂会稀释触发词权重，使模型无法建立“角色名→某件红裙”的强映射关系。哪怕你手动打了red_dress标签，只要全集里只有3张带这件裙子的图，而其他137张全是不同服饰，模型就会把red_dress当成低频干扰项忽略。
实操方案：三类服装策略任选其一
方法一：单服装锁定（新手首选）
只用1套完整服装的20–50张图训练，包括正面/3/4侧/微侧脸/半身/全身/手部特写，全部保持相同衣服、相同发型、相同背景、相同光照。这是唯一能让LoRA把“角色身份”和“该服装纹理+剪裁+配色”深度绑定的方式。
【关键动作】拍摄或截取时，确保衣襟走向、盘扣数量、袖口褶皱形态完全一致；避免同一套衣服因拍摄角度不同造成视觉差异过大（如俯拍显短袖、平视显长袖），这种差异会被模型误判为“不同款式”。
方法二：分服装分批次训练
若角色确需多套服装（如短剧主角有校服/便装/礼服三套），不要混训。拆成3个独立LoRA：xiaohong_uniform_v1、xiaohong_casual_v2、xiaohong_formal_v3，每套单独准备25张图，每张图都打上对应服装关键词（如uniform_school_blue, casual_denim_jacket）并前置到标签首位。
提示词中调用时必须严格匹配：(xiaohong_uniform_v1:0.75), uniform_school_blue → 才能激活对应服装权重。混用触发词会导致风格污染。
方法三：主服装+可控变体（进阶）
以1套主服装（占比≥70%）为基础，在剩余30%图中仅引入1个可变量：要么只换围巾颜色，要么只换发饰类型，要么只换外搭马甲——且每种变体仅出现3–5次。所有变体图仍打主服装标签，额外追加一个轻量修饰词，如uniform_school_blue, red_scarf。
这样模型既牢靠学习主服装骨架，又能识别修饰词作为可控扰动开关。测试发现，这种结构下red_scarf触发率可达82%，而随机生成其他配饰的概率压降至5%以下。
服装标签必须人工干预
第一步：上传后进入「裁剪/打标」页，关闭自动打标。LiblibAI的自动打标器对服饰细节识别极弱，常把“立领盘扣”标成“collar”，把“斜纹百褶裙”标成“skirt”，丢失关键区分度。
第二步：对每张图手动输入标签，格式为【触发词】+【1girl】+【服装精准词】，例如：xiaohong_1girl, uniform_school_blue, stand_up_collar, five_gold_buttons。
第三步：服装词必须放在1girl之后、其他泛化词之前，顺序不可颠倒。模型按标签位置分配注意力权重，靠后的词衰减严重。
【严禁使用模糊词】如“pretty dress”“cool outfit”“nice clothes”——这些词在底模中已高度泛化，叠加后反而削弱角色专属服装信号。
