LiblibAI训练LoRA时，图片中任何文字都会被误学为结构锚点，导致生成图出现固定字形、错位排版或伪汉字；必须彻底擦除文字，不可仅靠打标屏蔽。
☞☞☞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☜☜☜
LiblibAI训练LoRA时，图片中残留的任何文字（包括水印、题款、Logo、英文标语、甚至单个字母）都会被模型当作关键视觉特征强行学习，导致生成图中反复出现相同字形、错位排版或伪汉字——这不是风格泛化，而是文本区域像素被编码为不可剥离的“结构锚点”。
为什么文字会破坏LoRA效果
LiblibAI底层使用CLIP-ViT文本编码器对图像做多尺度特征提取，其patch embedding层对高对比度、边缘锐利、带封闭轮廓的图形极度敏感。中文方块字、拉丁字母、数字序列恰好满足这三项条件，模型会优先将其识别为“主体结构”，而非背景噪声。
哪怕一张水墨画右下角只有“甲辰”两个朱文印章，训练后生成的所有图都会在画面右下角自动补出类似印章形状的红斑，且位置、大小、倾斜角度高度一致——因为模型已把“两字+方形边框+红色填充”绑定为该LoRA的默认构图规则。
【所有含文字的训练图必须在上传前彻底擦除，不可仅靠打标屏蔽或正则图覆盖】。
三步清除图片中的文字
第一步：用Photoshop或Photopea打开原图，放大至200%，确认文字区域无半透明残留、无羽化过渡、无锯齿毛边。
第二步：选中文字区域→按Ctrl+J新建图层→对该图层执行「滤镜→模糊→高斯模糊」半径设为1.8像素→再执行「图像→调整→阈值」拖动滑块至文字完全消失但周围纹理未断裂。
第三步：切换回背景图层→用「修补工具」或「内容识别填充」覆盖模糊后的空洞区域；若文字压在复杂纹理上（如宣纸纤维、木纹），改用「仿制图章工具」取样周边无字区域手动覆盖——【严禁使用「橡皮擦」直接删，会留下亮度差异形成的隐形边界，LoRA仍能学出该轮廓】。
两种高危文字场景及应对方法
方法一：古画题跋与印章
扫描件常含毛笔题跋、藏书印、鉴赏章。先用「色彩范围」选中朱砂红/墨色区域→反选→隐藏文字图层→单独处理印章部分：用「钢笔工具」精确勾勒印章外框→Ctrl+Enter转选区→Shift+F6羽化0.3像素→Delete删除。完成后必须用「色阶」检查RGB通道是否完全归零，任一通道有非0值即视为残留。
方法二：现代照片中的UI元素与水印
手机截图、网页素材常含状态栏时间、App图标、平台Logo。这类矢量文字边缘极锐利，需先用「对象选择工具」框选整个UI区域→Ctrl+Shift+I反选→新建纯白图层置于顶层→用「画笔工具」不透明度设为92%沿UI边缘涂抹，覆盖其与背景的过渡带——【低于90%会漏掉亚像素级灰阶，高于95%则覆盖过深，导致生成图出现白色硬边】。
上传前终极校验
将全部处理完的图片拖入LiblibAI「裁剪打标」页，等待自动加载完成→点击任意一张图进入编辑态→按住Alt键滚动鼠标滚轮逐级放大至400%→用移动工具拖动画面，地毯式扫视每处角落，重点检查：印章边缘是否存留0.5像素宽的红色晕染、题跋末尾是否有被拉伸的“之”字残影、水印交叉线交汇点是否呈现十字星状噪点。
发现任一可疑像素，立即返回图像编辑软件，用「放大镜工具」定位→以1像素为单位用「铅笔工具」点涂修正→保存为JPEG质量100%→重新上传。
