LiblibAI照片训练完整教程

想要用自拍照片训练专属AI写真模型？上传后却得到歪斜、错位的五官，甚至完全不像本人——这是新手最常见的翻车现场。究其原因，照片预处理和打标环节没有严格遵循LiblibAI的硬性要求，才是根本问题。

选图与裁剪：专注正脸，排除所有干扰

第一步，准备15到20张纯正面、无遮挡、高清晰度的人像照片。背景尽量选择纯色，或依赖大光圈将其虚化。请牢记，禁止出现其他人、文字、logo、镜面反光或强烈阴影——任何多余元素都会干扰模型对人脸特征的学习。

第二步，将所有图片统一裁切成正方形，分辨率严格设定为768×768像素。不能“看着差不多就行”，而是必须通过Pillow脚本或专业图像处理工具，先等比缩放再居中裁剪。如果仅用手机相册自带的“正方形裁剪”，默认会产生拉伸变形，这会直接导致LoRA训练偏误，后续无论如何调整都难以修复。

第三步，进入LiblibAI的“赛博丹炉”训练页，点击“训练LoRA”，选择底模F.1（该模型专门优化人脸一致性），将全部图片拖入，点击“裁剪/打标”，等待自动处理完成。

打标修正：清除AI乱标词汇，仅保留触发词+1girl/1boy

这里有两种可行方法。

方法一：逐张手动清理
打开每张已打标的图片，将AI自动生成的所有英文标签——例如“smiling, studio lighting, shallow depth of field”等——全部删除，只保留你设定的触发词（比如“my_face”）加上“1girl”或“1boy”，中间用英文逗号分隔，格式如下：my_face, 1girl。

方法二：批量替换（适合20张以上的场景）
在打标面板右侧找到“批量编辑”，输入正则表达式^.*$，替换为my_face, 1girl，确认执行。可一步到位，省去逐张点击的麻烦。但务必先测试1张，确认替换后没有多余空格或换行，否则可能导致意外错误。

参数设置：关闭混合精度，调整学习率，设定repeat值

① 在“简易参数”区，将“单次张数”设为20，“循环轮次”设为8，“模型效果预览提示词”填入：my_face, front view, studio lighting, high detail。

② 点击“高级参数”，找到“混合精度训练”开关——直接关闭。该选项在LiblibAI云端环境下极易引发NaN Loss导致训练中断，是训练失败最常见的原因，没有之一。

③ 展开高级面板，将Repeat设为7。因为人脸数据通常不足20张，需要依靠重复来增强特征记忆。学习率填写3e-4，调度策略选择“cosine with warmup”，梯度累积设为4。确保batch size乘以梯度累积等于8（例如batch size设为2，累积4刚好是8）。

④ 启用“正则图”，上传5张风格相近但非本人的通用人脸图（如模特图）。此操作旨在约束泛化边界，防止模型过拟合到某张图的特定角度或光影环境。

触发词与测试：生图时前置且不可加权

训练完成后，进入“模型生图测试”页，LoRA标签选择“我的训练”，勾选刚才训练好的模型。在正向提示词最开头输入my_face，之后编写描述词，例如：my_face, realistic portrait, soft light, white background。

注意：触发词my_face必须放在整个提示词的最前面，不能加括号、不能增加权重、不能与其他词混写成(my_face:1.2)这类格式，否则LoRA权重不会生效。

点击“立即生成”，等待预览图出现。如果前三张都出现明显脸型偏移或眼睛大小不一致，说明打标未清理干净，或正则图缺失，需要重新进入打标页复查一遍。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：LiblibAI照片训练完整教程要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题