在AI绘画社区，“炼丹”是对模型训练的戏称。而LoRA训练，则是每个想要深入AI绘画的创作者绕不开的必修课。本文不是理论堆砌，而是一份真实的训练手记——记录了我从零开始训练一个高质量人物LoRA的完整过程，包括每一步的决策、踩过的坑、以及最终的优化策略。希望通过这份实录，让你少走弯路，真正掌握人物LoRA训练的精髓。

一、项目背景与目标

目标：训练一个特定人物（我们称她为“小A”）的LoRA模型，要求生成的人物在不同场景、姿态、服装下，面部特征高度一致，且画质清晰、风格自然。

基础模型：选择Realistic Vision V6.0作为基底，这是一个在写实人像领域广受好评的SD 1.5模型，对肤色、光影和细节还原非常出色。

硬件环境：RTX 3060 12GB 显存，32GB内存，训练工具为 Kohya_SS GUI（2026年5月版本）。

预期用途：生成社交媒体头像、个人IP宣传图、虚拟服装展示等，不涉及商业用途。

二、数据集准备——质量比数量更重要

数据集是决定LoRA成败的第一关。我在准备阶段花费了大量时间，事实证明这完全值得。

2.1 图片来源与筛选

从小A的公开社交媒体和授权照片中收集了约200张原始图片。经过三轮筛选，最终保留72张作为训练集。筛选标准如下：

• 清晰度：必须为高清照片（至少1024×1024以上），拒绝模糊、