← Retour au blog · 2026.07.31
Jeu de données pour l'entraînement LoRA : comment organiser vos légendes de tags
Lors de l'entraînement d'un LoRA, la légende (liste de tags) pèse tout autant que les images elles-mêmes sur la qualité du résultat final. La façon dont vous organisez les tags détermine ce que le modèle perçoit comme une caractéristique à apprendre, et ce qu'il doit au contraire ignorer comme une valeur fixe. Voici quelques critères utiles pour affiner les tags bruts extraits par un modèle de tagging d'image en de véritables légendes d'entraînement.
1. Character LoRA vs Style LoRA : des stratégies de légendage différentes
Pour un Character LoRA visant à entraîner un personnage précis, il est généralement préférable de retirer de la légende les caractéristiques fixes que ce personnage possède toujours (couleur de cheveux, couleur des yeux, coiffure spécifique, etc.). Si vous les laissez dans la légende, le modèle risque d'associer trop fortement « ce personnage » à « cette coiffure précise », ce qui rendra plus difficile la génération avec une coiffure différente par la suite. À l'inverse, les tags qui varient d'une image à l'autre — pose, tenue, expression — doivent être conservés, afin d'aider le modèle à distinguer ce qui relève de l'identité du personnage de ce qui est un élément variable.
Un Style LoRA fonctionne presque à l'inverse : on détaille précisément le personnage, la composition et la tenue dans la légende, mais on retire les tags qui décrivent le style lui-même (par exemple les tons de couleur, le style de trait), afin de donner au modèle un signal fort du type « ce style est toujours dessiné ainsi ».
2. Le tri par catégorie facilite grandement la décision
Les tags extraits par un modèle de tagging d'image sont tous mélangés sur une seule ligne, ce qui rend fastidieux le choix des tags à conserver ou à supprimer. La « Vue par catégorie » d'AnimeTag-AI organise automatiquement la même liste de tags en Basic, apparence, tenue, pose, accessoires, arrière-plan et autres, ce qui permet de prendre des décisions bien plus rapidement, catégorie par catégorie — par exemple « c'est un Character LoRA, donc je supprime toute la catégorie apparence et je ne garde que tenue, pose et arrière-plan ».
3. Trois critères pour filtrer les tags inutiles
- Tags liés à la qualité d'image/aux filigranes — des tags comme
watermark,signatureoulowresn'apportent rien à l'entraînement et doivent être supprimés. - Tags à faible confiance — augmenter légèrement le Threshold pour exclure dès le départ les tags incertains (0,3 ou moins) fait gagner du temps de tri.
- Tags sans rapport avec l'objectif — si vous voulez générer des arrière-plans variés, conservez les tags d'arrière-plan ; si vous utilisez toujours la même composition, supprimez les tags de composition. Adaptez votre décision à votre objectif.
4. Exemple de flux de travail concret
1) Importez une image sur AnimeTag-AI pour en extraire les tags → 2) Réglez le Threshold autour de 0,3 à 0,4 pour éliminer une première couche de tags bruités → 3) Passez en « Vue par catégorie » pour examiner en bloc les catégories qui ne correspondent pas à l'objectif du LoRA → 4) Cliquez sur les chips pour supprimer les tags individuels, puis utilisez « Copier le prompt » pour récupérer la légende finale. Si vous souhaitez simplement organiser une liste de tags que vous possédez déjà, sans image, collez-la dans l'outil Analyse de tags : elle sera organisée de la même façon par catégorie.