必须严格处理图像一致性、关闭混合精度、前置触发词并人工校验每张裁剪框，否则生成图会出现脸型错位、肤色发灰或肢体扭曲。
☞☞☞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同一真人角色、不同姿势和表情下五官不变形、皮肤质感不崩坏的LoRA模型，必须严格处理图像一致性、关闭混合精度、前置触发词并人工校验每张裁剪框——漏掉任意一步，训练完成后的生成图就会出现脸型错位、肤色发灰或肢体扭曲。
准备真人训练图集
第一步：用手机或单反拍摄15–20张正面半身照，人物占画面70%以上，纯色背景（白墙/浅灰布最佳），确保光照均匀、无强阴影、无反光眼镜或遮挡物。侧脸、低头、闭眼图直接剔除，哪怕只混入1张，也会导致LoRA学出“左右脸不一致”。
第二步：全部图片统一裁为【768×768像素正方形】——SD1.5底模对高分辨率适配差，用1024×1024会触发特征漂移，生成图嘴歪或耳廓变形。
第三步：文件重命名为半角下划线格式，例如01_zhangsan_front.jpg、02_zhangsan_smile.jpg；严禁出现空格、中文括号、全角逗号，连“zhangsan(1).jpg”这种命名都会被平台静默拒收。
第四步：上传前用ExifTool或在线EXIF清除工具删掉所有GPS坐标、设备型号、拍摄时间——LiblibAI打标模块会误读这些字段，自动生成“iPhone_15_Pro, 2026_06_15”之类污染标签。
上传与裁剪打标
点击「裁剪打标」→ 选择「聚焦裁剪」→ 等待系统自动框出人脸区域 → 逐张确认框线是否完全覆盖眉眼鼻嘴，偏移超2像素必须手动拖拽校准。这一步不能跳过，否则AI会把衣领或头发丝当关键特征学进去。
打标完成后，【务必逐张点开自动生成的标签，删掉所有形容词、场景词、光影描述，只保留触发词+1girl/1boy】。比如原标“young Chinese woman, studio lighting, soft smile, white background”必须精简为“zhangsan_1girl”，多一个逗号都可能让权重污染失效。
基础参数设置
进入“赛博丹炉”→点击左侧“训练LoRA”→底模选【SD1.5】（真人LoRA必须用此底模，SDXL会过度强调纹理细节，Foundation1.0则根本无法收敛）。
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”填入zhangsan_1girl, front view, studio lighting, high detail —— 触发词zhangsan_1girl必须放在最前面，否则预览图不会带LoRA特征。
【关闭“混合精度训练”开关】。该选项在LiblibAI云端环境启用后90%概率引发NaN Loss，训练到第3–5轮强制中断，日志只显示“loss=nan”，无其他报错提示。
高级参数调优（仅当loss震荡或卡住时启用）
第一步：展开“高级参数”面板，将Repeat设为6（若图集30张以内）或8（若图集达40张以上）。
第二步：学习率填入【4e-4】（真人角色类必须用此值），调度策略选“cosine with warmup”，严禁使用固定学习率，否则loss前期剧烈震荡、后期卡死在0.8以上。
第三步：按GPU型号设Batch Size：A10卡填2，V100卡填4，再同步调整梯度累积值，使Batch Size×梯度累积=10（例如Batch Size=2 → 梯度累积=5）。
第四步：启用正则图功能，上传5张同风格但不含主体的空镜图（如纯白背景特写、浅灰布纹、空白影棚地板），用于约束泛化边界，防止生成图脸部“融化”或五官塌陷。
