必须满足同一服装/光照/背景且正面图≥8张才能训练多姿势lora；需结构化分组命名、严格裁剪打标、关闭混合精度、设repeat=6/epoch=5/学习率4e-4、用正则图锚定结构，并通过四组提示词测试泛化性。
☞☞☞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上训练出能稳定生成同一角色不同姿势（如站姿、坐姿、侧身、抬手）的LoRA模型，必须打破“只要多图就行”的误区——若图片角度混杂而无结构约束，模型会把正面脸和侧脸当两个不同人物学，最终生图时出现半张脸错位、肩膀歪斜或四肢凭空消失。
先判断你的图片是否真适合练“多姿势”LoRA
不是所有多角度图都适配多姿势训练。【必须满足：全部图片为同一服装、同一光照、同一背景、且至少15张中正面图≥8张】。若你手上有5张正面+3张3/4侧身+2张背影，这种组合直接上传会导致打标混乱——AI会把“back view”当成必要特征，后续哪怕写“front view”也会偷偷加一缕后脑勺头发。
若只有1–3张图但想覆盖多姿态，跳过本流程，改用ControlNet姿态复用法（需另裁图）。
多姿势图的结构化分组与命名
第一步：把全部图片按角度严格分为三类——【front】（纯正面，双眼可见）、【three_quarter】（肩线倾斜30°以内，单耳可见）、【profile】（仅一侧脸，耳廓完整，禁用夸张侧脸如90°转头）。
第二步：每类内按动作排序，例如front组里：01_front_standing、02_front_sitting、03_front_handwave；three_quarter组里：04_tq_walking、05_tq_bowing……文件名全程用半角下划线，不加空格、括号或中文。
第三步：删除所有含动态模糊、遮挡面部（如手挡嘴、长发盖眼）、或身体比例异常（如镜头仰拍导致腿过长）的图——这类图会教模型“错误的关节逻辑”，比少图危害更大。
上传后裁剪与打标的硬性操作
方法一：进入「训练LoRA」→ 上传全部分组图 → 点击「裁剪/打标」→ 选择「聚焦裁剪」→ 等待自动框出人脸 → 【逐张检查框线是否覆盖从发际线到锁骨上沿，偏移超1像素必须手动拖拽校准】。
方法二：若某张图是坐姿导致头部占比骤降（不足画面50%），切勿强行拉大裁剪框——此时应切换为「中央裁剪」，但必须确认裁后仍包含完整肩颈结构，否则模型会生成无肩膀的悬浮头像。
打标环节必须人工干预：删掉AI自动生成的所有动作词（如sitting、waving、walking）、场景词（indoor、studio）、光影词（rim_light、soft_shadow）；每张图只保留两个标签：触发词 + 1girl 或 1boy。例如原图是“xiaohong_front_handwave”，打标后只能是“xiaohong_1girl”，多一个逗号都不行。
关键参数设置（防姿态坍缩）
第一步：关闭「混合精度训练」——这是云端环境触发NaN Loss的头号原因，开着必炸。
第二步：展开「高级参数」→ Repeat设为6（图片总数在25–40张时适用）→ Epoch填5 → 学习率填4e-4 → 调度策略选「cosine with warmup」。
第三步：启用正则图并上传5张同风格无关图（如其他穿汉服站立的女子），命名为reg_01.png～reg_05.png；这些图不参与特征学习，只起“锚定人体结构共性”的作用，防止模型把“你角色的坐姿”当成“所有人的坐姿标准”。
第四步：训练前预览提示词栏填：触发词, full_body, front view, studio lighting —— 这是唯一允许带view词的地方，用于初期loss收敛；生成测试图时再换其他姿态词。
测试阶段验证多姿势泛化能力
训练完成→ 进入「我的模型」→ 点击刚训好的LoRA → 在「模型测试」页输入四组提示词依次测试：
① 触发词, standing, full_body, front view
② 触发词, sitting, cross_legged, three_quarter view
③ 触发词, waving_hand, from_side, profile view
④ 触发词, running, motion_blur, dynamic_pose
重点看②③④组是否出现五官漂移、手部粘连、膝盖反向弯曲——若前三组正常但④组崩坏，说明训练图中缺乏动态模糊样本，需补3张带合理运动残影的图重训；若②组就脸不对，证明three_quarter类图质量不达标，应回溯第二步重新筛选。
