我們終於要來探討許多人敲碗已久的主題——如何在 PixAI 上訓練專屬 LoRA!無論您是想讓原創角色(OC)栩栩如生、重現心目中完美的藝術風格,或是打造一套完美的「女僕裝」LoRA,這份詳盡的指南將帶領您完成整個流程。
我們將重點放在角色 LoRA 上,因為它是難度最高、但成就感也最大的類型。一旦掌握了角色訓練,其他類型的 LoRA 就會變得輕而易舉!
更多關於 LoRA:
第一部分:準備數據集 — 成功的基石
訓練影像就像是製作完美 LoRA 的食材——品質絕對是關鍵! 數據集的優劣直接決定了最終 LoRA 的效果。
1. 解析度才是王道!👑
- 最低要求: 影像解析度至少需達到 512×512 像素。
- 最佳範圍: 對於 SDXL 系列模型,建議使用 768×768 至 1024×1024 像素。
- 品質影響: 解析度越高,AI 能學習到的細節就越多。
- 避雷區: 模糊、有馬賽克或極小的圖片——即使是 AI 也救不了資訊量不足的圖。


2. 特徵聚焦:清晰度是核心
確保每一張訓練影像都能清楚展現角色的招牌特徵:
- 必抓元素:
- 頭髮: 顏色、造型、長度、獨特髮飾。
- 眼睛: 顏色、形狀、特殊瞳孔特徵。
- 辨識標記: 疤痕、紋身、印記、配件。
- 一致性: 在所有影像中定義角色的共同特質。
- 應避免:
- 出現多個角色(會讓 AI 混淆誰才是訓練目標)。
- 陰影過重或遮住臉部的影像。
- 遮擋住關鍵特徵的極端角度。
- 角色特徵不統一的影像。


3. 乾淨的畫面:移除干擾因素
- 文字與 UI 元素: 移除所有文字、對話框、浮水印及介面元素。
- 重要性: 如果訓練圖帶有文字,LoRA 生成時可能會隨機產生奇怪的文字疊加。
- 專業建議: 如果無法完全移除文字,生成時可在負面提示詞加入
watermark, text,但預先清理影像永遠是最佳選擇。此外,您也可以利用我們的 Flow Edit 功能來去浮水印——無需掌握任何 Photoshop 技巧,只要下達指令即可一鍵修圖。


4. 尺寸一致性
- 最佳做法: 所有訓練影像維持相同的長寬比例。
- 現實狀況: 素材有限時,不一定能做到完美一致。
- 折衷策略: 盡力而為,不要為了統一尺寸而犧牲圖片品質。可使用影像軟體進行批量調整。


5. 數據集數量建議
- 角色 LoRA: 15–30 張高品質圖片。
- 風格 LoRA: 20–40 張多樣化的範例。
- 姿勢 LoRA: 10–20 張動作清晰的展示圖。
- 服裝 LoRA: 15–25 張包含不同角度與光影的圖片。
第二部分:訓練設定 — 打造您的 LoRA

為您的創作命名

選擇一個具描述性、好搜尋的格式。例如:Castorice | Honkai Star Rail (Haruka)。這不僅方便他人搜尋,當別人使用您的 LoRA 時,您還能賺取積分回饋!
選擇基礎模型:最關鍵的決定


這可以說是您在訓練 LoRA 過程中最重要的選擇!基礎模型是您的 LoRA 學習所有內容的根基。
金科玉律:相容性第一
務必選擇您平時最常使用的模型,以確保最佳的相容性與生成結果。如果您通常使用 Haruka V2 進行生成,那麼訓練 LoRA 時也請選擇 Haruka V2。
了解 PixAI 模型家族
Illustrious 家族 (SDXL):
- 代表模型: Haruka 系列, Hoshino, Otome系列
- 最適合: 高品質動漫風格與細緻的角色刻畫
- 相容性: 可與其他基於 Illustrious 架構的模型通用
- 優勢: 卓越的細節保留能力與角色一致性
Noob 家族 (SDXL):
SD 1.5 模型:
- 最適合: 傳統動漫風格與舊世代的相容性
- 重要警告: 與 SDXL 的 LoRA 完全不相容!
- 使用場景: 延續舊計畫或有特定畫風需求時使用
- 關於 DiT LoRA: DiT LoRA 訓練指南
相容性檢查清單
在開始訓練前,請務必確認以下事項:
- 架構類型: 是 SDXL、SD 1.5 還是 DiT?
- 模型家族: 是 Illustrious、Noob 還是其他?
- 創作者建議: 查看文件說明,了解建議的基礎模型。
- 社群回饋: 參考其他使用類似基礎模型且成功的 LoRA。
觸發詞 (Trigger Words):魔法咒語

觸發詞是啟動 LoRA 全部潛力的秘密口令。選擇正確的觸發詞,直接決定了 LoRA 的成敗。
專注於「永久性特徵」
【務必】包含以下內容:
- 眼睛特徵:
heterochromia_blue_red(異色瞳)、purple_eyes、star_shaped_pupils(星形瞳孔) - 獨特印記:
tacet_mark(特殊標記)、facial_tattoo、beauty_mark(淚痣/美人痣) - 招牌配件:
black_tiara、hair_ornament、earrings - 辨識特徵:
pointy_ears(尖耳朵)、fangs(虎牙)、heterochromia
【避免】包含以下內容:
- 服裝細節: 為了日後換裝的靈活性
- 特定姿勢相關元素
- 背景或環境特徵
- 暫時性或變動的元素
懶人創作者秘訣:Danbooru 標籤
專業小撇步: 將 Danbooru 網站作為您撰寫觸發詞的靈感來源!
如何有效使用 Danbooru:
- 搜尋您角色的官方繪圖或標籤完整的同人圖。
- 查看圖片左側列出的標籤 (Tags)。
- 複製並貼上相關的「永久性特徵」標籤。
- 針對 PixAI 的格式進行微調。
最佳觸發詞結構
為了達到 1:1 的角色還原,請依照此結構排列提示詞:
模板結構:
角色名, 永久性特徵標籤, [可選的微調標籤], [具彈性的元素]
實戰範例:
Castorice/hsr, long purple hair, low twintails, purple eyes, hair flower, pointy ears, crown of thorns, black tiara
為什麼觸發詞要避開服裝細節?
如果您將特定衣服寫死在觸發詞中,每次想讓角色換衣服時,都必須手動刪除並替換這些詞。這不僅操作繁瑣,也會嚴重限制您 LoRA 的通用性。
第三部分:訓練其他類型 LoRA — 快速入門
一旦您掌握了角色 LoRA,其他類型的 LoRA 訓練也遵循相似的原理,只需進行微調:
| LoRA 類型 | 訓練重點 | 數據集要求 | 觸發詞 (Trigger Words) | 與角色 LoRA 的主要差異 |
| 風格 (Style) | 藝術風格的一致性 | 15-20 張相同風格的圖片 | 簡單的描述詞 (如 watercolor_soft) | 訓練目標是統一的畫風,而非單一角色。 |
| 服裝 (Cloth) | 服飾細節 | 同一套衣服的多角度照片 | 特定的服裝術語 (如 maid_uniform) | 僅專注於服飾,忽略臉部與身體特徵。 |
| 姿勢 (Pose) | 身體位置與動作 | 同一個姿勢的不同視角圖 | 動作描述詞 (如 kneeling_pose) | 僅專注於肢體動作,忽略角色外觀。 |
| 角色 (Character) | 獨特的身份辨識 | 單一角色的多種姿勢與表情 | 獨特特徵標籤 (如 scar_cheek) | 需要最豐富多樣的數據集以捕捉完整個性。 |
風格 LoRA 訓練
方法: 挑選一種一致的藝術風格,並貫穿整個數據集。
觸發詞: 保持簡潔且具描述性。
- 範例:
watercolor(水彩),oil_painting(油畫),sketch_style(素描風) - 範例:
manga_style(漫畫風),realistic_shading(寫實陰影),cel_shaded(賽璐璐風格)
數據集重點:
- 展現風格的核心定義特徵。
- 所有影像的藝術技法必須統一。
- 題材要多樣化(人、景、物),以防止過擬合(Overfitting)。


姿勢 LoRA 訓練
核心原則: 一致性絕對是重中之重。
數據集要求: 捕捉目標姿勢在不同角度、不同光影下的樣貌。
觸發詞: 使用描述性的動作或位置詞。
- 範例:
crossed_arms(交叉雙臂),peace_sign(勝利手勢),jumping(跳躍),sitting_pose(坐姿)
訓練小技巧:
- 確保關鍵的人體構造位置清晰可見。
- 包含姿勢的微小變化,能讓生成結果更自然。
- 盡可能在不同角色身上展示該姿勢。


服裝 LoRA 訓練
重點: 同一套服裝在不同角度與光影下的表現。
適用場景: 最喜歡的角色服裝、獨特的設計或主題服飾。
數據集策略: 呈現方式越多樣越好(角度、光影),但服裝本身必須保持高度統一。
注意事項:
- 包含多個視角(正面、背面、側面)。
- 不同的光照環境。
- 穿著該服裝時的各種姿勢。
- 針對獨特元素提供清晰的細節特寫。


您的 LoRA 訓練之旅正式開啟!
恭喜您!您現在已經掌握了在 PixAI 上創建專屬客製化 LoRA 所需的所有知識。無論您是想讓原創角色栩栩如生、複製大師級畫風,還是製作專業的特定內容,這些技巧都將成為您成功的基石。
核心重點總結:
- 數據集品質決定 LoRA 品質——在準備階段投入時間是非常值得的。
- 基礎模型相容性對於發揮最佳效能至關重要。
- 觸發詞應專注於永久性特徵,以保留最大的生成靈活性。
- 不同類型的 LoRA 需要量身打造的方法,但遵循相似的邏輯。
- 持續的迭代測試與社群回饋是進步的不二法門。
現在,勇敢地去創造令人驚豔的 LoRA 吧!PixAI 社群迫不及待想看到您帶來的新作品。祝訓練順利,歡迎來到客製化 LoRA 的精彩世界!
更多關於 LoRA:

