ai模特lora训练实测：两百张图喂出专属不撞脸模特
实测结论：ai模特lora训练门槛比想象中低，一百九十张图加一块4060游戏本，五个半小时练出一个专属脸，一致性成功率从通用脸的四成拉到八成二。
我是店里那个爱折腾电脑的美工，两次翻车记录和最终参数表都在下面。
ai模特lora训练这事，我惦记了大半年。店里用平台的通用脸，图好看是好看，就是每次看到别家详情页出现同一张脸，心里都堵得慌。上个月把家里的游戏本搬来公司，真跑通了一遍，成本几乎为零，就搭进去几个晚上的觉。这篇不写原理课，写我自己的操作记录，参数给全，翻车也给全。
数据集：两百张图里藏着成败的一半
一百九十张原图，正脸侧脸背面都要有、光线角度拉开、背景别太单一，标注打细到服装特征，数据集这关过不了后面全白搭。图喂得杂，脸才学得稳。
我的数据来源是店里两年的实拍存档，挑出一张女模特的图共一百九十张。第一版我只挑了正脸棚拍的六十张精华图，结果练出来的模型侧脸全崩，嘴角像被门夹过——教训是模型没见过侧脸就不会画侧脸。第二版补齐角度：正脸八十张、侧脸六十张、背面和半身五十张，光线混着日光、棚灯、阴天，背景有意选了五种。
标注我打了两层：一层是触发词（自造一个不会撞的词，比如"mota888"这种无意义组合，比用常见人名稳），一层是每张图的服装、姿势、光线描述。标注用时大概一晚，占总工时的三成，这活儿偷不得懒，标得糙模型学得糙。
训练参数全记录，附两次翻车
分辨率768、批次一、二十个epoch、学习率万分之一，4060笔记本跑了五个半小时，三次试跑里第二次成。参数表照抄能省你两晚。
| 参数 | 我的设置 | 备注 |
|---|---|---|
| 底模分辨率 | 768 | 512出的脸糊，别省这个 |
| epoch | 20 | 30时过拟合，脸像套了滤镜 |
| 学习率 | 1e-4 | 调大过一次，第五个epoch就崩 |
| 总耗时 | 5小时28分 | 4060 8G笔记本，插电满血跑 |
| 显存占用 | 7.2G | 记得关浏览器，差点爆显存 |
两次翻车都在细节上。第一次是epoch贪多，练到三十轮，出图的脸确实更像了，像过了头，每张图都带着同一层磨皮滤镜，顾客看着假。第二次是训练时开着浏览器挂视频，显存顶到爆，中途断了三小时白练。现在我的流程是：训练前关一切软件，二十个epoch一到就停，宁可略欠不要过头。
练完的验证方法也交代下：固定提示词跑五十张，数一致性。通用脸只有二十一张五官对得上号，我的专属模特四十二张过线，八成四的成功率，穿着不同衣服、不同角度，脸都是同一张。
练出来的模特怎么用进日常工作
触发词加上服装场景描述就能让她穿任何衣服，一天出一整个季度的图，成片再按搭配逻辑组图，转化率比通用脸时期高了近两成。专属模特的价值在复用。
日常用法很机械：提示词开头放触发词，后面跟服装和场景描述，出图流程跟普通AI出图一样。爽点在于我可以出"她"的系列图——同一张脸穿遍全店三十个款，详情页和买家秀的观感终于连成了一个人。同事以前换季要花三天翻拍库存图，现在一上午跑完，剩下的时间她拿去拍了短视频素材，算是训练带来的连锁福利。
上个月秋季上新，我用她跑了六十张主图，再照着一篇搭配实操的思路把单品图组成了场景套装图（套路在这篇ai模特服装搭配实操里），新链接的详情页跳出率降了九个百分点。老板现在逢人就吹我们店有"专属代言人"，其实成本就是一块本来就在家里吃灰的显卡。
一句丑话说在前面：本地训练适合愿意折腾的人。你要是完全不想碰参数，云端平台的一年会员更省心；但只要你想练出一张别人抄不走的脸，这条路绕不开，晚练不如早练。
那台游戏本现在成了店里的"造人机器"，同事管五个半小时的训练叫"孵蛋"。回看这一个月，ai模特lora训练给我最大的变化不是省钱，是底气——模特脸攥在自己手里，图想怎么出就怎么出。下一季我打算再孵一张男模的脸，参数照这次的抄，应该能少翻两次车。
常见问题
多少张图起步才够？
一百张是底线，一百五到两百张最稳。我的第二次试跑用了一百九十张，一致性明显好于一百张那版。比数量更关键的是角度分布，五十张全正脸不如一百五十张正侧背齐全。
没有好显卡能训练吗？
显存8G是舒适线，6G也能跑，就是把分辨率压到512、时间翻倍，成脸质量打折。显卡实在不行可以租云端算力，一小时几块钱，练一次十块钱以内，比买卡划算，适合先试水。
训练好的模特脸有版权问题吗？
用自己拥有的实拍图训练，版权归你，这个最干净。千万别拿网上扒的模特图喂数据，练出来的脸用起来就是行走的肖像权官司。我用的全是我们自己拍的图，这一点我反复跟老板确认过。
为什么我的模型出图总像原图换皮？
典型的过拟合，多半是epoch练多了或者学习率调高了。压回二十个epoch以内，学习率万分之一，再跑一次。另一个可能是数据集背景太单一，模型把背景也当成特征学进去了，扩充背景种类能治。