这是中文版的教程~

For English Guide: How to Train Your Anime LoRA with Just 1 Image—And No PC Needed!? | Civitai

🏯前言

你是否觉得炼丹又复杂又难？

喜欢的角色冷门到爆，没一点高质量同人图就炼不了丹？

我甚至是用的手机上C站，手机总不可能用来炼丹吧？

非也，非也！

我可以告诉你：只要设置得当，其实只需要 1-2 张高质量图片，没电脑也能炼丹！

我连一张高质量图片都没有，只是单纯想舔管人，能变一个出来吗？

我不管我不管我就是要看涩图

太长不看

这里正好有个省流版教程：

😏省 流 助 手

1. 准备至少 15 张不同角度/不同姿势的图片。
   （不对啊，你不是说只要 1-2 张图吗？）
   （省流版里写不下。不过如果你真的只把1-2 张图片丢进丹炉，丹炉有十分甚至九分的可能性会爆炸，你的 LoRA 会变成一坨翔。 如果你真的想用 1-2 张图片来炼丹，请往下翻到3或者4）
   

2. 把图片全丢进你自己的丹炉，或者C站的在线LoRA训练器（云 上 丹 炉）！

   

3. 省流版优先说一下C站的丹炉，点“Auto Label”按钮。把 max tags 改成 20。然后点“submit”

   

4. 如果你在炼一个角色LoRA：筛选一下TAG：在Tag Viewer里输入 “hair” → 删除所有与你要炼的角色特征相关的标签，比如 blonde hair / long hair。同理，眼睛颜色（比如blue eyes等）也要删除。

   

   1. 但如果你在炼画风LoRA或者动作LoRA, 那么什么也不用删！

5. 在上方的 "Trigger Word" 栏里添加一个独特，与众不同的触发词（例如 mikuBA / CaptainCiv / IamNailong）。然后点“Next”。

6. 下一步：选择 Illustrious，这是目前开源模型里最常用的二次元风格模型了。

   

7. 在Sample Media Prompts里填好提示词
   举例：masterpiece,1girl,white background,[你的触发词]
   （如果你自己有电脑可以用来测试LoRA质量，那么可以跳过这一步。但是如果跳过了这一步，预览图会变成不可名状之物，不太利于你的SAN值。虽然由于预览图的Step只有10所以质量依然会是一坨，但是有至少比没有强……）

8. 在Training Parameters里调整参数。

   1. 调整 "Epoch", "Num Repeats"。两个参数配合调整，让总训练步数(Steps)接近 1000。
      （epoch 建议 15~20 起步。但 Num repeats 不要照抄我的例子，因为我这个例图里只有 3 张图，所以才写了 "67"，一般情况 Num repeats 会更低。）

   2. 把 "Clip Skip" 调成 2。

   3. 启用 "Shuffle tags"，并设置 "keep tokens" 为 2。

   4. 把 "Network Dim/Alpha" 改为 8 甚至4（更加激进一点），可以让文件更小。

      

9. 都设置好了就能点Submit开始了。会消耗500Buzz.

10. 等上40-70分钟，炼丹进行时。

11. 测试你的 LoRA Epoch，推荐从 50% 开始（比如 10/20 或 8/16）。
    （测试需要有一台能跑SD的电脑，或者如果你订阅了C站会员则可以用C站的私密模式来测试。都没有就只能靠C站提供的预览图和运气了……碰运气的话推荐从75%开始）

    • 实际测试时如果看起来 欠拟合（缺少角色特征） → 往后多试 3 个 epoch（10 → 13 → 16）。

    • 如果看起来 过拟合（姿势重复、奇怪的色块） → 往前一两个试试更早的 epoch。

12. 测试好了？好，把他们上市！🎉

（但我炼出来的丹要么欠拟合要么过拟合，是垃圾中的战斗圾……

（那就扩大你的数据集！把之前失败 LoRA 中表现最好的图片挑出来，加进去，再用这个扩充过的数据集重新训练。不过如果你用的是C站的丹炉，那又得耗500buzz，是3天的每日获取量了……）

1. 为什么选择 Civitai 在线 LoRA 训练器？

因为它善。因为真的挺方便的！

C站丹炉底层其实就是 kohya-ss，所以和本地训练相比，并不会丢失质量或兼容性。

而且参数比本地 kohya 少得多，不会在命令行或一大堆设置里迷路。

对比一下：

• 本地训练（我用的4060 Ti ） → 训练一个 LoRA 至少要 1.5 小时。
  在这段时间里，GPU 相关的工作（比如打游戏、生图）都完全不能用，只能刷刷网页用用微信之类的。
  而且，显卡风扇会狂转，大晚上不太友好。

• Civitai 在线训练 → 同样的工作通常只需 40–60 分钟。训练时，你的电脑完全可以干别的事。

缺点：

Civitai 的 LoRA 训练器没有 loss/average 曲线图，看不到每个 epoch 的 loss 变化。高手（不是我 😅）能用这些数据来更高效地判断最佳 epoch，但在线训练用户就没办法。

（偷一下三文鱼大佬的介绍视频的图）

另外，在线训练器不支持训练 LyCORIS 类型模型。

我相信很多大佬土豪是可以将进行本地训练的。参数基本类似，只要找到和C站在线丹炉相同的参数，把数值改成对应的，效果是一样的。

2. 如何只用 1 张图训练 LoRA

主要是一些冷门二游角色，几乎没有同人图。

而且她们的布料往往不太多，你没法用谷歌大香蕉生成三视图（比如下面水无濑的例子，大香蕉会直接拒绝请求ORZ）

但1 张图其实可以变成 4–10 张独特的训练图！

奥义：裁剪+翻转！

示例：我的水无濑LoRA

只用 2 张图训练完成。（1 张图也能用同样的方法。）

取 1 张原始图。

把它裁剪成多个子图：

• 全身

• 半身（cowboy shot）

• 上半身

• 头像

• 头像小图（avatar）

• 仅下半身

1 张图就能变成 6 张可用的训练样本。

（通常来说第一轮训练结果都很烂。从烂的图里面尽可能史里淘金，修一下图，然后把修好的图加到训练集里，进行第二轮，甚至第三轮训练，左脚踩右脚上天。）

⚠️ 注意：裁剪后的图，尤其是“仅下半身”的图，打标时得额外留个心眼，这样 LoRA 才能学到正确的特征。通常 WD1.4 能自动处理得不错，但最好瞄一眼。

我自己为了质量，都是手动裁（用的 Paint.NET）。
缺点：很费劲，而且没有批量处理支持。

以前 HuggingFace 有一个在线角色裁剪项目，但已经寄了orz

想要批量裁剪 → 需要用 Ultralytics + Face/Body YOLOv8 预训练模型 + Pillow 写脚本（对新手不友好，但功能很强）。

超分放大

如果你的原图很小(比如只有300x300)：

• 直接丢进丹炉，Kohya-ss 会用 Pillow 自动放大到 1024 → 结果会是一堆伪影，你的 LoRA 还会把伪影学进去并复现出来奇怪的色块。

• 解决办法：在训练前进行超分放大。

• 推荐：Remacri 或 RealESRGAN 4x Anime 6B。

• 这两个超分模型都不需要很好的显卡，CPU也能干（会慢一点）。甚至手机都能通过在线网站（比如waifu2x)上来超分
  我个人更喜欢 Remacri → 因为它能保留更多原始细节。
  缺点：同时也会把更多伪影保留下来。

  

• 我的做法：把超分好了的图再丢进 Stable Diffusion 的 i2i 或 inpaint，用低噪声修复 → 去掉伪影，同时尽量保持和原图一致。（这个手机真干不了了ORZ）

  

• 据说 CivitAI 在线生成器的标准 Hi-res Fix 用的就是 Remacri，但不确定。

• 如果你的原图很大，即便是裁剪后的角色头像，也能接近、等于甚至超过 1024px。
  NB！可以直接跳过超分这一步了。

翻转

把每张裁剪图左右翻转。

• 适合左右对称的角色（比如水无濑）。

不适合非对称角色（例如只有一侧的饰品）。

• 比如我的白凤LoRA
  角色头发只有一侧有发饰。
  翻转后 AI 会误以为发饰两边都可能出现。

• 我只好用 Paint.NET + SD Inpaint 手动修复（巨TM麻烦）。
  即便这样，有时发饰还是会出现在错误的那边…… orz。

旋转 90° 左/右

在部分情况下可用，但要谨慎使用。

• 如果旋转后的姿势依然自然、不违和，那就没问题。
  如果姿态看起来奇怪或不自然，AI 可能会混淆，反而拉低效果。

• 我在做 Z35的 LoRA 时，只选择了那些旋转后看起来还算正常的图片进行 90° 旋转。

为什么裁剪 & 翻转有用？

• 强迫 AI 把身体部位分开学习，而不是只看一张完整图。

• 每次裁剪都会改变像素层级的数据，让训练不那么重复。

• 降低过拟合风险。

（Q：可我生成的角色老是摆同一个姿势啊！明显过拟合了！）

（A：裁剪和翻转总的来说只是应急。如果你想要更加好用的LoRA，还是只能扩大训练集）

⚠️ 总的来说：

• 这俩方式只能减少过拟合，不能完全消除。

• 因为所有图片都来自同一个姿势，所以 LoRA 还是更容易默认回那个姿势。

• 效果不如拥有真正多样化姿势的数据集。

但就算你的初始 LoRA 因为过拟合而卡在同一个姿势里，依然还有希望！
你可以大力出奇迹，先尽可能生成大量不同姿势和角度的图（即使大多数质量可能不太行）。然后，精挑细选那些与基础姿势差异够大的高质量图，把它们加入数据集。

这样就能从 1 张图变成无限张图了！

那代价是什么？更多的时间、精力，还有buzz……

顺带提一嘴C站的Buzz ：每天只要花不到 10 分钟，完成日常任务并参加每日挑战，就能赚到至少 400 蓝 buzz。

3. 一般情况下，你会有更多选择

大多数时候，你会有不止 2 张图。
更多的选择通常意味着 更好的 LoRA 质量，以及更轻松的工作流程。

但要记住：质量 > 数量
👉 20 张精挑细选的高质量图片，永远比 100 张模糊截图或崩坏的作画强。

可以把难度分级理解成这样：

• 简单模式：常见的番剧角色（比如每个季度都有的异世界厕纸）。

• 中等：带标准 3D 模型的二游角色（米游、鸣潮等）。

• 中等：热门 2D 二游角色，有大量同人图（如 FGO）。

• 困难：冷门的 2D 二戏角色——几乎没有好同人图，只能裁剪+翻转了。

图片主要来源

1. Google Nano Banana （谷歌大香蕉）

Nano Banana可以生成你老婆的完整参考图（reference sheet），包含多个角度——正面、侧面、背面。

但Nano Banana 也有不少缺点：

• 和谐：只要太暴露，Nano Banana 会自动给你加衣服。R沟？加上。下乳？加上。比基尼妹子？❌ “请求拒绝。”可惜了。

• 细节丢失：除非你运气爆棚，不然很多细节都会丢失，比如发饰、小首饰、身体饰品，你得在提示词里特别强调才行。但有时候即使强调了，Nano Banana 还是摆烂不画。

• 分辨率问题：输出图常常带一堆伪影。我强烈建议用 3.1 里提到的工具来放大和清理。

👉 总评：如果你的图池太小，Nano Banana 是个不错的副手，可以帮你补充数据集的多样性（前提是你角色别太暴露 xD）。

2. 动画截图

• 只选高质量画面（干净、清晰、无动态模糊、无作画崩坏）。

• 手动截图很枯燥。

• 如果你懒，可以用 YOLO 模型自动检测，但要一定编程/脚本能力。

3. 游戏截图

• 从多角度截图角色：

  • 正面 ×3

  • 两侧 ×3

  • 背面 ×1

    • 注意调整镜头（上半身、头像、全身）。

• 注意：即便画风是二次元，本质上还是 3D，这会影响训练。

• 如果你想要更“纯粹”的 二次元风格，可以在 Stable Diffusion 的 img2img 里加 ~0.3–0.4 噪声，把半 3D 渲染转成正常二次元风格。

4. Danbooru

• AI界的基石，非常稳的选择，自带标签和筛选功能，更容易挑高质量同人图。

• 比 Pixiv 的垃圾内容少很多。

• 禁止 AI 生成内容，纯净度更高。

5. Pixiv

• 资源丰富，画师数量庞大。

• 但要小心：如今充斥着 AI 生成图。

• AI 图虽然能用来喂，但通常会忽略细节——衣服纹理、饰品、独特特征可能缺失或错误。

• 如果过多使用这些图，你的 LoRA 也会无视关键细节（除非你对小细节不在乎）。

6. 裁剪 & 翻转（参考 3.1）

• 裁剪+翻转依然能保持和原画师风格的一致性。

• 对小数据集尤其重要。
  
  

4. 打标（tagging）

这步相对来说比较简单。但也看情况。

虽然简单，但打标也很重要。好在有 wd1.4 自动打标，其实对新手也很友好。

有两种方案：

• 在本地运行

• 用C站内置的自动打标器（同样基于 wd1.4）

本教程里我会用C站打标器，因为更直观（不过我自己是先在本地打，再用 BooruDatasetTagManager后处理）。

步骤

1. 上传图片。

   

2. 点 Auto-Label 。

   

3. 点 Submit 。

4. 稍等片刻就自动打好标了。

删除标签（针对角色LoRA）

如果你正在炼角色LoRA

• 在筛选栏输入 “hair”。

  • 删除所有 发色 和 发长 标签（如 blue hair, long hair, short hair）。

  • ⚠️ 像 hair ornament 或 hair flower 这种别删，除非它就是角色最重要的特征之一，比如《蔚蓝档案》里阿罗纳的白头巾最好一起删掉。

  • 关于衣服，如果角色只有一套衣服一套发型（比如某星核精），那么你也可以考虑删掉衣服和发型TAG。

    • 但如果有2套或以上的衣服，由于WD1.4对服装打标没发色和瞳色那么准确，删掉衣服标签可能反而会让你更加难以通过触发词还原这些换装，这种情况下个人并不推荐删掉这些TAG！

• 切换筛选到 “eye”。

  • 同样删除颜色标签（如 yellow eyes, green eyes）。

• 大致看一下整个标签列表，删除：

  • 其他独特的角色特征（如 ahoge、cat ears、animal ears、tails）。

  • 错误的标签，比如：

    • 无关的随机标签（如 “virtual YouTubers”，而你其实并不是在训练管人）。

    • 错误的服装颜色（比如 “pink kimono”，实际上角色穿的是紫色）。

这样可以确保 LoRA 学到的是准确特征，避免把错误信息写死到模型里。

如果你在炼画风LORA或者动作LORA，那么不需要删除任何标签。打标打完了就可以加触发词，直接区下一步了。

添加触发词

在上方的 Trigger Word 栏输入一个独特触发词。
（例如：mikuBA / CaptainCiv / 总之是个独特的词）

触发词就像召唤阵，把那些被删掉的特征凝聚成一个咒语。
不再分散在标签里，而是压缩成一个“咒语”，迫使LoRA在生成时准确召回角色的核心特征。

5. 训练设置

倒数第二步了！打完标签点下 Next，就是LoRA 诞生前的关键步骤页面了。

🏯 模型选择

光辉系的LoRA 建议直接用 IllustriousXL v0.1 （就是最上面那个默认的）。

• 光辉系的基石。

• 训练程度相对较低，反而留给你更大的灵活性。

• NoobAI 模型（包括 V预测）同样能用。

• 消耗比自定义基底便宜：IllustriousXL v0.1 只需 500 buzz，而 WAI-ILL 之类的定制底模至少要 1000 buzz 💸。

当然，你也能选 Pony 或 SDXL，但 Illustrious 更适合二次元（代价是写实能力一坨）。

🖼️ 预览图（Sample Media Prompts）

如果你自己有能跑SD的电脑，或者订阅了C站会员，那这步其实是可以跳过的。不过为了你的身心健康我建议你填一下……如果什么都不填，C站会给你生成一堆克苏鲁，非常恐怖

⚠️ 注意C站的预览图只跑 10个Steps，所以预览图画质基本上惨不忍睹。

但这还不是最惨的，最惨的是当你步满足以下条件：

• 有本地电脑能跑 SD来实操预览

• 订阅了C站会员能用隐私模式来预览

……那么这破预览图还真就是你唯一能用来参考质量的途径了。

推荐的 3 条 prompt：

masterpiece, 1girl, solo, white background, [你的触发词],

masterpiece, 1girl, solo, white background, [你的触发词], full body,

masterpiece, 1girl, solo, white background, [你的触发词], from side, cowboy shot,

👉 实际训练过程中右键新标签页打开预览图，可以更方便比对。

🔧 训练参数

C站已经简化了很多，只剩几个关键项：

必须改的：

• Num repeats & epochs（决定总步数）

• Clip skip

• Network DIM

• Network Alpha

• Shuffle prompts

1. Clip Skip

• 动漫设 clip skip = 2。

• CLIP 有 12 层，默认取最后一层。

• 动漫数据更适合倒数第二层。

1. Network Dim & Alpha

推荐：

• DIM = 8 → 文件 ≈ 54 MB（稳健的选择，平衡）

• 或 DIM = 4 → 文件 ≈ 27 MB（激进一点，我个人常用）

• Alpha = DIM 或 DIM/2（我更倾向于和 DIM 相等）

不建议默认 32，二次元LoRA用不了那么多。参考下图。

写实 LoRA 才会要更高 DIM。

1. Shuffle tags & Keep tokens

• Shuffle tags那个选项打勾

• Keep tokens = 2

• 保证你的触发词被锁定在首位，同时打乱其他标签增加变化。

1. 训练步数

Steps = (图片数 × Epochs × Repeats) ÷ Batch size

默认 Batch size = 4 ，不用改（又快又稳）。

目标：~1000 steps

• 其实750步也能出不错的结果，1000保险一点

• 2000–3000 steps 几乎必过拟合（除非你有 200+ 图）

• C站超过 1050 steps 就要额外收 buzz，Steps越多收的越多

Epochs 和 Repeats的关系

• 理论上对小数据集来说，高 repeats × 低 epochs更好，因为能设置部分图的权重。问题是C站并不能设权重。

• 所以建议 Epochs 稍微高点。

👉 个人常用：

• Epochs = 16–20

• 调整 Repeats，让 Steps ≈ 1000

这样训练到 50–70% 时（例：16个epoch 的话就是第 11~12 个，18个epoch 的话就是第 12~13 个）可能就有合适的Epoch能用了。

我个人会隔 3~4 epoch 测一次（例：10 → 13 → 16 → 19），方便看过拟合的迹象。

测试不同的 epoch 通常需要一台本地电脑。
但如果你没有本地电脑、但是订阅了C站会员，那C站的隐私模式也是能测试的。

🌀 LyCORIS（进阶，本地专用）

如果你在自己的本地电脑训练，那不一定要炼LoRA，还可以在 Network Module 里选择 LyCORIS。

• LyCORIS 使用 LoKR 算法（在 “LyCORIS algo” 选项中选择）。

• 对比标准 LoRA，它在以下方面表现更好：

  • 画风训练

  • 单模型处理多角色

⚠️ 注意：LyCORIS的参数与 LoRA 完全不同：

• 需要设一个超大的 DIM（比如 114514）

• Alpha=1就行

• LoKR factor 推荐 8（数字越小占用 VRAM 越多，输出文件越大）

我没训练过，但根据今宵佬：

• LoKR factor = 4，Batch size = 2 → 训练就已经用掉 13 GB VRAM

其他参数（epochs、repeats、shuffle prompts 等）与 LoRA 类似。

由于本指南重点是 LoRA，这里先简单带过。
但如果你想做高水平的画风训练，LyCORIS 值得尝试。

🎉 好，把他们上市！

恭喜，你的丹炼好了！（也可能炼炸了）

在结束前，还是说一下一个不可避免的问题：

如果你用非常小的数据集训练（比如只有 1 张图），会遇到 “风格烘焙（Style Bake-In）” 的情况。

• 意思是你的 LoRA 不仅学会角色，还会深度吸收原画师的风格。

• 我个人不介意——我训练的主要是碧蓝航线的丹，很喜欢那种画师风格，所以乐意保留。

• 但如果你希望模型更通用（能跨多种风格使用），唯一的办法就是建立更大的数据集。

不过，总的来说，即便只有 1 张图，也完全可以训练 LoRA。难度确实更高，但只要有耐心，依然可行。