← Voltar ao blog · 2026.07.31
Como organizar as legendas de tags para datasets de treinamento de LoRA
Quando você treina uma LoRA, o que define a qualidade do resultado é tanto a legenda (lista de tags) quanto as próprias imagens. A forma como você organiza as tags muda o que o modelo vai entender como "característica a aprender" e o que deve ignorar como "valor fixo". A seguir, critérios úteis para refinar as tags brutas extraídas pelo modelo de tagger em legendas prontas para treinamento.
1. Character LoRA vs. Style LoRA: estratégias de legenda diferentes
Ao treinar uma Character LoRA para um personagem específico, o mais comum é remover da legenda as características fixas que esse personagem sempre tem (cor de cabelo, cor dos olhos, penteado específico, etc.). Se você as deixar na legenda, o modelo pode aprender de forma excessivamente vinculada, como se "esse personagem = só existe com esse penteado", dificultando gerar variações depois. Por outro lado, mantenha tags que variam de imagem para imagem, como pose, roupas e expressão — isso ajuda o modelo a entender que esses elementos não fazem parte da identidade do personagem, e sim são variáveis.
Já a Style LoRA (LoRA de estilo artístico) segue quase o caminho oposto: mantenha detalhadamente na legenda o personagem, a composição e as roupas, mas remova as tags que descrevem o próprio estilo artístico (por exemplo, paleta de cores, estilo de linha), para transmitir ao modelo o sinal forte de que "esse estilo é sempre desenhado assim".
2. Organizar por categoria facilita a decisão
As tags extraídas pelo modelo de tagger vêm todas misturadas em uma única linha, o que torna incômodo decidir o que manter e o que remover. Ao usar a "Visualização por categoria" do AnimeTag-AI, a mesma lista de tags é organizada automaticamente em Basic, aparência, roupas, pose, acessórios, fundo e outros, o que torna muito mais rápido decidir, por categoria, algo como "já que é uma Character LoRA, vamos remover toda a categoria de aparência e manter só roupas, pose e fundo".
3. Três critérios para filtrar tags desnecessárias
- Tags relacionadas a qualidade de imagem/marca d'água — tags como
watermark,signatureelowresnão ajudam no treinamento e devem ser removidas. - Tags com confiança baixa — aumentar um pouco o Threshold para deixar de fora, desde o início, tags ambíguas (0.3 ou menos) reduz o tempo de organização.
- Tags irrelevantes para o objetivo — se você quer gerar fundos variados, mantenha as tags de fundo; se vai usar sempre a mesma composição, remova as tags de composição. Decida sempre conforme o objetivo.
4. Exemplo de fluxo de trabalho na prática
1) Envie a imagem para o AnimeTag-AI e extraia as tags → 2) Ajuste o Threshold para algo entre 0.3 e 0.4 para filtrar um primeiro nível de tags com ruído → 3) Mude para a "Visualização por categoria" e revise por completo as categorias que não fazem sentido para o objetivo da LoRA → 4) Clique nos chips para remover tags individuais e use "Copiar Prompt" para levar a legenda final. Se você só quer organizar uma lista de tags que já tem, sem imagem, cole-a na ferramenta de análise de tags — o resultado é organizado por categoria da mesma forma.