← Kembali ke Daftar Blog · 2026.07.31
Cara Merapikan Caption Tag untuk Dataset Pelatihan LoRA
Saat melatih LoRA, faktor yang menentukan kualitas hasil bukan hanya gambar itu sendiri, tapi juga caption (daftar tag). Cara Anda merapikan tag akan menentukan "apa yang harus dipelajari model sebagai ciri khas, dan apa yang harus diabaikan sebagai nilai tetap." Berikut beberapa kriteria yang bisa dijadikan referensi saat merapikan tag mentah hasil model image tagger menjadi caption siap pakai untuk pelatihan.
1. Character LoRA vs Style LoRA, strategi captionnya berbeda
Jika Anda melatih Character LoRA untuk karakter tertentu, ciri khas tetap yang selalu dimiliki karakter tersebut (warna rambut, warna mata, gaya rambut tertentu, dll.) justru umumnya dihilangkan dari caption. Jika tetap dibiarkan dalam caption, model bisa terlalu terikat dengan pola "karakter ini = gaya rambut ini saja," sehingga sulit menghasilkan gaya rambut lain di kemudian hari. Sebaliknya, tag yang berubah-ubah antar gambar seperti pose, pakaian, dan ekspresi sebaiknya dipertahankan, agar model bisa membedakan bahwa hal itu bukan identitas karakter, melainkan elemen yang bisa berubah.
Sebaliknya, Style LoRA (LoRA gaya gambar) justru kebalikannya. Karakter, komposisi, dan pakaian dicaption secara rinci, sementara tag yang mewakili gaya gambar itu sendiri (misalnya palet warna, gaya garis) justru dihilangkan, agar model menerima sinyal kuat bahwa "gaya ini selalu digambar seperti ini."
2. Melihat per kategori membuat keputusan lebih mudah
Tag hasil model image tagger biasanya bercampur dalam satu baris panjang, sehingga cukup merepotkan untuk menentukan tag mana yang perlu dipertahankan atau dihapus. Dengan fitur "Tampilan per Kategori" di AnimeTag-AI, daftar tag yang sama akan otomatis dirapikan menjadi Basic, Penampilan, Pakaian, Pose, Properti, Latar, dan Lainnya, sehingga keputusan seperti "karena ini Character LoRA, hapus saja seluruh kategori Penampilan, dan pertahankan hanya Pakaian, Pose, dan Latar" bisa diambil jauh lebih cepat per kategori.
3. Tiga kriteria untuk menyaring tag yang tidak perlu
- Tag terkait kualitas gambar/watermark — tag seperti
watermark,signature, danlowrestidak membantu proses pelatihan sehingga sebaiknya dihapus. - Tag dengan confidence rendah — dengan menaikkan Threshold sedikit, tag yang ambigu (di bawah 0.3) bisa langsung disingkirkan dari daftar sejak awal, sehingga waktu perapian lebih singkat.
- Tag yang tidak relevan dengan tujuan — jika Anda ingin menghasilkan variasi latar belakang, pertahankan tag latar; jika Anda selalu ingin komposisi yang sama, hapus tag komposisi. Sesuaikan dengan tujuan Anda.
4. Contoh alur kerja sebenarnya
1) Unggah gambar ke AnimeTag-AI untuk mengekstrak tag → 2) Atur Threshold sekitar 0.3–0.4 untuk menyaring tag noise tahap awal → 3) Beralih ke "Tampilan per Kategori" untuk meninjau seluruh kategori yang tidak sesuai dengan tujuan LoRA Anda → 4) Klik chip untuk menghapus tag satu per satu, lalu gunakan "Salin Prompt" untuk mengambil caption final. Jika Anda hanya ingin merapikan daftar tag yang sudah dimiliki tanpa gambar, cukup tempel ke Alat Analisis Tag dan hasilnya akan dirapikan per kategori dengan cara yang sama.