自动打标适用于预处理规范且侧重风格泛化的场景，3秒生成标签但需过滤低置信度项；手动打标必用于触发词绑定、多主体交互及平台风控词三类情形；混合打标需先自动再逐条修正en.txt文件。
☞☞☞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平台训练LoRA模型时，面对几十张甚至上百张图片，打标环节必须快速推进又不能牺牲准确性——自动打标能3秒生成一整套标签，手动打标却要逐字斟酌每张图的构图、服饰、光影与风格细节，但盲目依赖自动结果常导致关键特征丢失或触发词错位。
自动打标适用场景与启动流程
当你已完成素材预处理（统一为1024×1024、无透明底、主体居中且无遮挡），且训练目标偏重风格泛化（如“水墨风牡丹”“赛博朋克街道”）时，自动打标是首选。
进入LiblibAI训练页→点击【数据集】→上传图片文件夹→等待缩略图全部加载完成→点击右上角【自动打标】按钮。
系统默认调用Qwen3.5-4B模型，标签风格为Stable Diffusion提示词式，长度设为“中”，随机度锁定在65——这个值在创意性与稳定性之间取得平衡，【低于40会导致标签过于简略，漏掉关键视觉元素；高于85则可能引入无关描述，污染训练信号】。
打标完成后，界面会列出每张图的top5标签及置信度（如“1girl, red dress, garden, sunlight, masterpiece 0.92”），此时不要直接提交，先勾选【过滤低置信标签】并把阈值拖至0.45，剔除所有低于该值的条目。
必须手动打标的关键情形
以下三类情况自动打标几乎必然失败，必须人工介入：
① 触发词需强绑定特定形象（如“刻师傅”“AI搅拌手”），自动打标会忽略该词或将其置于标签末尾，导致训练时无法激活；
② 图片含多主体或复杂交互（如“穿蓝衣者伸手拉住穿红衣者手腕”），自动模型常简化为“2girls”，丢失动作逻辑；
③ 存在平台特有语义（如LiblibAI对“furry”“NSFW”等词有风控拦截），自动输出可能被静默替换为安全词，造成特征漂移。
手动操作路径：点击单张图→在标签输入框中删除全部自动生成内容→以逗号分隔重新输入，格式严格遵循“触发词,核心特征,风格修饰,质量词”，例如：“AI搅拌手, silver hair, lab coat, holding beaker, steampunk background, best quality”。
混合打标：先自动后人工的实操步骤
第一步：执行自动打标，保留全部结果不覆盖原始文件；
第二步：导出en.txt文件到本地，用文本编辑器打开，搜索所有含“1girl”“2girls”等泛化词的行；
第三步：对照原图，将“1girl”替换为具体触发词（如“刻师傅”），将“holding”类动词替换为精确动作（如“adjusting_goggles”“pouring_liquid_into_flask”）；
第四步：检查每行末尾是否含“masterpiece,best quality,ultra detailed”，缺失则手动补全——【缺少质量词会导致训练Loss震荡剧烈，收敛困难】；
第五步：将修改后的en.txt拖回LiblibAI界面同名数据集区域，系统自动识别并覆盖旧标签。
