LoRA（Low-Rank Adaptation，低秩适配）通过只训练少量附加参数来微调大模型，训练成本比全量微调低一个数量级。在图像领域，LoRA 常被用来固化「某个人物」「某种画风」或「某个物体」。

训练前准备

  • 素材：同一主题的图片 20～100 张，主体清晰、角度多样（人物 LoRA 建议 20～30 张不同角度同一人物）
  • 打标（Caption）：为每张图写描述词，训练时模型学习「描述 ↔ 画面」的对应
  • 设置：分辨率与底模一致（如 512/768/1024），学习率 1e-4 量级，步数视素材量而定

使用

训练完成后得到一个 .safetensors 权重文件，在 WebUI 的 LoRA 面板加载，并在提示词中加入触发词（如 <lora:风格名:0.8>）即可调用。权重数值控制影响强度，建议 0.6～1.0 之间调节。

LoRA 微调 ≠ 角色写真：训练数据决定了能力，素材本身版权与肖像权问题需要自行确认。