AI Toolkit 训练 Anima LoRA

标注是 Anima LoRA 训练三决策中最"软"、也最影响结果的一个：怎么给目标做标注，决定了"目标学到多少"与"其余一切保留多少"。本篇给出角色/物件与风格两种 LoRA 的标注模板与常见误区。

标注的基本规则

Anima 能理解三种语言形式：

• Danbooru 风格的标签（如 blue hair、cowboy shot、1girl）
• 自然语言描述
• 两者的混合

最保险的规则：用推理时使用的同一种语言来标注。 训练时怎么写，生成时才能怎么唤——标签写进去的，推理时标签也能提出来。

角色 / 物件 LoRA 的标注模板

使用稳定的专有名词 trigger

用 anima_subject 这类稳定触发词（示例；实际用你自己的独特词）：

anima_subject, character portrait, neutral background, clean line art, looking at viewer

标注"可变"特征，不锚定"身份"特征

要标注的：服饰、姿势、镜头距离、表情、背景、光照、配饰。

不要单独用发色或服饰作为身份锚点——那会让 LoRA 把"蓝头发"当成"这个角色"，换发色就失效。

风格 LoRA 的标注模板

使用独特的画师风格 trigger

用 @anima_style 这类带前缀的独特风格词（示例；实际自定）：

@anima_style, a character portrait with a neutral background and simple lighting

移除风格词，保留内容词

• 移除那些仅仅在重复陈述共有目标风格的画师名和风格描述（如把"某某画师、蜡笔质感"写进每条 caption）
• 保留内容标签（主体、姿势、背景、场景）——好让 LoRA 把风格与主体、姿势和背景分开学习

最常见的标注误区

因为目标在视觉上一目了然，就把每张图都标注得过于稀疏。

比如目标是一个"红发女孩"，你只写 1girl, red hair，那么 LoRA 会把以下全部吸收成"目标的一部分"：

• 体型、取景
• 背景颜色、构图
• 所有没标注、没区分的视觉特征

结果：生成时怎么改提示词都像数据集里的那几张图。

标注质量检查清单

当你发现"压得太狠"

如果训练压制了无关画师标签、或每条提示词都像数据集（标注过度的典型症状）：

1. 检查是否每条 caption 都过于稀疏/雷同
2. 加入 20–25% 干净、无关的插画图像（详见 06 篇），准确标注且不包含 trigger
3. 这一小片保留切片常常能恢复灵活性，而无需改动任何训练参数

下一步

→ 06 · 数据集准备与保留图像 图像数量、分辨率分桶与"保留切片"技巧