训练liblibai人物lora需20–50张高质量正脸图：少于20张特征学习不足，多于50张易引入噪声；推荐30张左右，须满足同角度、同光照、纯色背景、主体居中四标准。
☞☞☞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特定人物的LoRA模型，必须明确：照片数量不是越多越好，而是要在20–50张之间找到质量与数量的平衡点——少于20张时特征学习不充分，生成图容易“抽风”；多于50张反而引入噪声干扰，尤其对新手而言，30张左右最稳妥。
为什么是20–50张
人物LoRA对图像一致性极度敏感。哪怕3张图里有1张侧脸、虚焦或背景杂乱，都会导致生成时五官错位、肢体扭曲。模型要学的是“这个人长什么样”，不是“这些图长什么样”。如果素材鱼龙混杂，它学到的只是平均值，出来的角色反而四不像。
20张是下限：低于这个数，关键面部特征（如眉骨走向、鼻唇关系、下颌角弧度）无法被充分建模，训练loss常卡在0.6以上不下降，预览图中人物“像又不像”。
50张是上限：超过这个量，除非每张都满足同角度、同光照、纯色背景、主体居中四大硬指标，否则新增图片大概率拉低整体数据纯度，触发过拟合或特征漂移。
新手实操推荐方案
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：从这20张里人工筛掉3–5张——模糊的、闭眼的、表情严重不一致的、背景有杂物的，【留下的必须全部是清晰、居中、光照均匀的正脸图】。
第三步：若最终只剩16–18张，立刻补拍2–4张相同条件的新图；若刚好22–28张，直接进入裁剪环节；若达35张以上，检查是否混入了微侧脸或光照偏移图，有则剔除。
不同情况下的数量调整策略
方法一：素材质量高但数量不足20张
直接启用高级参数中的Repeat=8，用单张重复学习弥补总量缺口。但必须确保每张图都是768×768正方形、半角命名、无EXIF残留——否则Repeat再高也学不到有效特征。
方法二：手头有60+张图
不要全传。先按“同角度→同光照→同表情→同服装”四级筛选，优先保留微笑/自然中性脸各8–10张，剔除所有戴眼镜、遮脸发饰、强阴影、JPEG压缩伪影的图。最终压到40张以内再上传。
方法三：只有一张高清正脸照
别硬训LoRA。改用LiblibAI的“单图写真增强”功能，或走FLUX单图微调路径——强行喂1张图训LoRA，loss会瞬间崩成inf，平台直接中断训练且不返算力。
