注意：该模型对二次元效果一般，不推荐用于二次元训练，二次元建议使用 Anima 等其他模型

• GPU：4090 / 3090 均可，推荐 4090

快速开始

# 1. 部署 GPU 实例
# 2. 打开 Jupyter Lab，复制启动指令粘贴运行
# 3. 等待约 10 秒，点击打开 AI Toolkit

训练流程

1. 创建数据集

• 点击 New Dataset，输入任意名称
• 也可在 dataset 目录手动新建文件夹，把图片拖进去

2. 打标

• 已有标注：把 txt 标注文件和图片一起拖进去
• 没有标注：点击 Auto Caption 自动打标
  • 模型选择：千问3 VL（Qwen3-VL）
  • Resolution 调到 1024 x 1024
  • 其他保持默认

Caption Prompt 设置（重要）：

默认 prompt 是给风格 LoRA用的，会详细描述图片所有细节

如果你是训练角色 LoRA（像本教程一样），需要在 prompt 里额外加一句：不要描述角色的外观特征（如发色、瞳色等），否则会影响 LoRA 对角色特征的学习效果。

写完后点击 Add to Queue，在队列页面查看打标进度，可分批多次打标。

3. 创建训练任务

打标完成后：

• 点击 New Job，或者直接克隆已有 Job 进行修改

关键参数：

参数	设置	说明
触发词（Trigger Word）	自定义	打标时未加入，需手动设置
ID 词训练	不推荐（本模型自带 ID 词效果一般）	如需 ID 词效果更好，建议用 Qwen 或 Klein 训练
Number Repeat	按图片数量调整：20 张图 → 5 repeat；100 张图 → 3 repeat	图片越多，repeat 越少
Sample 采样间隔	每 250 步保存一次 LoRA	默认设置即可

采样提示词（Sample Prompt）建议：

• 把触发词加在采样提示词最前面
• 建议自己修改采样提示词，描述更详细，否则图片数量少时效果不明显，看不出 LoRA 的作用

4. 启动训练

点击 Create Job 启动训练。

如果创建后没有自动运行：先点击暂停，等状态变为 Stopped，再重新启动即可

效果判断三步法

1. 看 Sample 采样图 — 提示词写得越详细，越能看出 LoRA 效果
2. 看 Loss 曲线 — 持续下降为正常状态（参考本次训练：0.4 → 0.28）
3. 导入 ComfyUI 实测 — 加上 LoRA 测试还原效果，比单看采样图更准确