LiblibAI中稳定生成同一角色需三步：一用中文竖线三要素法固定语义锚点；二以底模+LoRA+Seed三位一体锁死模型栈；三训练专属LoRA并配合中式负向词与双ControlNet控制。
☞☞☞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中生成同一角色的多张图时，常出现脸型忽大忽小、发色随机漂移、服饰细节错乱等问题，根本原因不是提示词写得不够细，而是缺少对角色语义锚点、模型栈和训练数据三者的系统性锁定。
固定角色语义锚点：中文竖线三要素法
第一步：正向提示词最开头写「角色名:XXX」，例如“角色名:沈砚|鸦青高马尾|玄色直裰配云纹玉带|青竹折扇”。【竖线|是硬性语法符号，误用顿号、斜杠或空格会导致分词失败】
第二步：三项属性必须涵盖发型/脸型、服饰、道具（或标志性姿态），缺一不可。只写“沈砚|鸦青高马尾”，褙子可能变成直裰；只写“沈砚|玄色直裰”，发髻可能坍缩为光头。
第三步：全部用纯中文描述，禁用英文直译。“red dress”换成“绯红云肩褙子”，“long hair”换成“赤金垂鬟髻”，“holding a fan”换成“执湘妃竹骨团扇半掩面”。模型对“湘妃竹骨”这类具象材质词的响应远强于泛称。
锁死模型栈：底模+LoRA+Seed三位一体
方法一：手动输入并复用Seed值
在参数区找到“Seed”框→删除默认的-1→输入一个大于0的整数（如87326）→首次生成满意后，复制该数值→后续所有同系列图均粘贴此值。这一步操作起来很简单，直接把Seed填进去就行。
方法二：绑定底模与LoRA组合
在CHECKPOINT下拉菜单中选定已验证稳定的底模（如F.1超清纯感人像写实）→记录完整文件名→若启用LoRA，仅勾选一个已训练好的角色LoRA（如suwan_face_v2）→权重固定为0.75→每次生成前确认状态栏显示“当前模型:F.1 + suwan_face_v2”，【无版本混用提示】。
注意：若中途切换底模或LoRA，即使Seed相同，角色五官也会发生不可逆偏移。
训练专属LoRA：单图也能稳住五官
第一步：准备高质量人物训练图
选一张【透明背景、纯正面、无遮挡、高分辨率】的人物立绘或实拍照作为主图；若只有单图，用Python脚本做数据增强：缩放至512像素长边→白底填充为正方形→水平翻转+亮度对比度扰动+轻微旋转（±10°），生成至少40张变体图；所有图统一保存为PNG格式，命名用半角下划线，如01_character_front.png、02_character_flip.png。
第二步：上传与预处理
登录LiblibAI → 点击左侧「训练LoRA」→ 选择底模：人像类选SD1.5，写实真人照选SDXL，超写实皮肤质感选F.1；上传全部图片后，点击「裁剪/打标」。
第三步：裁剪与打标关键操作
裁剪方式选「聚焦剪裁」，确保每张图人脸居中且占画面60%以上；打标环节必须人工校验——删掉AI自动生成的所有冗余标签，每张图只保留两个词：【触发词】+【1girl 或 1boy】（例：xiaobai_1girl）；触发词须全英文、无空格、不加括号，后续生图时必须前置调用。
生成阶段防崩坏：中式负向词+ControlNet双控
将这组负向词粘贴进Negative Prompt框：
（交领左衽:1.5）,（衣襟重叠错乱）,（盘扣缺失或错位）,（旗袍开衩过膝）,（汉服袖口窄于小臂）,（发髻松散露皮筋）,（现代发胶感）,（塑料质感皮肤）
启用两个ControlNet单元：
ControlNet单元0 → 控制结构：选Canny（硬边缘），预处理器canny，模型diffusers_xl_canny_mid，控制权重0.4；
ControlNet单元1 → 控制脸部：选IP-Adapter，预处理器ip-adapter_face_id_plus，模型ip-adapter-faceid-plusv2_sdxl，控制权重0.7。
这组负向词专治国内用户高频遇到的崩坏类型，比通用词“deformed hands”更精准拦截中式服饰逻辑漏洞。
测试与部署：触发词前置+参考图锁脸
训练完成→ 进入「我的模型」→ 找到刚生成的LoRA → 点击「模型生图测试」；在提示词最前方输入触发词，后接描述，例如xiaobai_1girl, wearing hanfu, standing in garden, soft light。
上传其中一张训练图到「导入参考图」，开启脸部锁卡至85%，服饰主体保留度调至60%。
导出LoRA文件（.safetensors）→ 拖入ComfyUI本地模型目录→ 在LoRA加载节点中指定路径并设权重为0.75。
