← Volver al blog · 2026.07.31
Cómo organizar los captions de etiquetas para tu dataset de entrenamiento de LoRA
A la hora de entrenar un LoRA, un factor que determina la calidad del resultado tan importante como las propias imágenes es el caption (la lista de etiquetas). Según cómo organices las etiquetas, cambiará qué características aprenderá el modelo como rasgos variables y cuáles ignorará como valores fijos. A continuación tienes algunos criterios útiles para refinar las etiquetas originales extraídas por el modelo de etiquetado y convertirlas en captions reales para el entrenamiento.
1. Character LoRA vs. Style LoRA: estrategias de caption distintas
Si estás entrenando un Character LoRA para un personaje específico, lo habitual es eliminar del caption las características fijas que ese personaje siempre tiene (color de pelo, color de ojos, un peinado concreto, etc.). Si las dejas en el caption, el modelo puede aprender de forma demasiado rígida que "este personaje = este peinado", lo que dificultará generarlo con otro peinado más adelante. Por el contrario, las etiquetas que cambian de una imagen a otra —pose, vestuario, expresión— conviene dejarlas, para ayudar al modelo a distinguir que no forman parte de la identidad del personaje, sino que son elementos variables.
En cambio, un Style LoRA (de estilo artístico) funciona casi al revés: se deja el personaje, la composición y el vestuario detallados en el caption, mientras que las etiquetas que describen el propio estilo (por ejemplo, la paleta de colores o el estilo de línea) se eliminan, para transmitirle al modelo con fuerza la señal de que "este estilo siempre se dibuja así".
2. Ver las etiquetas por categoría facilita la decisión
Las etiquetas que extrae el modelo de etiquetado vienen todas mezcladas en una sola línea, lo que hace bastante tedioso decidir cuáles conservar y cuáles eliminar. Con la "Vista por categoría" de AnimeTag-AI, la misma lista de etiquetas se organiza automáticamente en Basic, Apariencia, Vestuario, Pose, Accesorios, Fondo y Otros, de modo que puedes tomar decisiones como "como es un Character LoRA, elimino toda la categoría de apariencia y dejo solo vestuario, pose y fondo" mucho más rápido, trabajando por categoría.
3. Tres criterios para filtrar etiquetas innecesarias
- Etiquetas de calidad de imagen o marca de agua — etiquetas como
watermark,signatureolowresno aportan nada al entrenamiento, así que se eliminan. - Etiquetas con baja confianza — sube un poco el Threshold para excluir de entrada las etiquetas ambiguas (0.3 o menos); así reduces el tiempo de limpieza.
- Etiquetas ajenas al objetivo — decide según tu propósito: si quieres generar fondos variados, conserva las etiquetas de fondo; si siempre vas a usar la misma composición, elimina las etiquetas de composición.
4. Ejemplo de flujo de trabajo real
1) Sube la imagen a AnimeTag-AI para extraer las etiquetas → 2) ajusta el Threshold a un valor entre 0.3 y 0.4 para hacer un primer filtrado de etiquetas ruidosas → 3) cambia a "Vista por categoría" y revisa de una vez las categorías que no encajan con el objetivo del LoRA → 4) haz clic en los chips para eliminar etiquetas individuales y usa "Copiar Prompt" para obtener el caption final. Si solo quieres organizar una lista de etiquetas que ya tienes, sin imagen, pégala en la herramienta de análisis de etiquetas y se organizará de la misma manera por categoría.