← 回到部落格列表 · 2026.07.31
LoRA 訓練資料集，該如何整理標籤標註？
訓練 LoRA 時，決定成果品質的因素，往往不只是圖片本身，還有標註（標籤清單）。 標籤整理的方式會直接影響模型「該把什麼當成需要學習的特徵，又該把什麼當成固定值忽略掉」。 以下整理了將圖片標籤模型擷取出的原始標籤，調整成實際訓練用標註時可以參考的判斷標準。
1. Character LoRA 與 Style LoRA，標註策略並不相同
如果是要訓練特定角色的 Character LoRA，那麼該角色恆常具備的 固定特徵（髮色、瞳色、特定髮型等）通常反而應該從標註中移除。 若保留在標註中，模型容易把「這個角色＝只有在這個髮型時才成立」學得過於死板， 導致之後想生成不同髮型時變得困難。相反地，姿勢、服裝、表情這類每張圖片都不同的標籤 則應該保留，讓模型能分辨「這不是角色的固有特徵，而是可變元素」。
而畫風（Style）LoRA 的做法則幾乎相反：角色・構圖・服裝要詳細保留在 標註中，反而是表現畫風本身的標籤（例如色調、線條風格）要移除，藉此向模型強烈傳達 「這個風格永遠都是這樣呈現」的訊號。
2. 依分類檢視能讓判斷更容易
圖片標籤模型擷取出的標籤全部混雜在同一行裡，要判斷該留下哪些、刪除哪些其實相當費工。 使用 AnimeTag-AI 的「分類檢視」，同一份標籤清單就會自動整理成 Basic・外觀・服裝・姿勢・道具・背景・其他， 因此像「因為是 Character LoRA，外觀分類整組刪掉，只留下服裝・姿勢・背景」這樣的判斷， 就能以分類為單位快速完成。
3. 過濾不必要標籤的 3 項標準
- 畫質/浮水印相關標籤 —— 像
watermark、signature、lowres這類標籤對訓練沒有幫助，應予以刪除。 - 信心分數偏低的標籤 —— 稍微調高 Threshold，讓模糊不清的標籤（0.3 以下） 一開始就不進入清單，可以省下不少整理時間。
- 與目的無關的標籤 —— 如果希望生成多樣化的背景就保留背景標籤； 如果只會固定使用同一種構圖，就刪除構圖標籤，依用途判斷即可。
4. 實際作業流程範例
1）將圖片上傳到 AnimeTag-AI 擷取標籤 → 2）將 Threshold 調整到 0.3～0.4 左右，先過濾掉一輪雜訊標籤 → 3）切換到「分類檢視」，整組檢視不符合 LoRA 目的的分類 → 4）點擊標籤晶片移除個別標籤，再用「複製 Prompt」取得 最終標註。如果只是想整理手上已有的標籤清單、不需要圖片， 也可以貼到 標籤分析工具，同樣會自動依分類整理。