Ideogram4人像LoRA实操：图图JSON打标、训练步数与权重修复

作者：@T8star-Aix

Ideogram4人像LoRA实操：图图JSON打标、训练步数与权重修复

一句话导读：这条视频是 Ideogram4 人像 LoRA 训练实操复盘，作者对比了自然语言打标、忽略面部打标和图图 JSON 格式打标，重点说明如何判断训练步数是否过拟合，以及过拟合后怎样用 LoRA 权重把结果拉回可用状态。

核心内容：
1. 作者先说明自己已经为 Ideogram4 人像训练开了多炉，其中包含自己训练和图图协助训练的版本。视频不是只展示成品，而是把打标格式、训练器设置、步数观察和废丹补救经验串起来，帮助读者少走弯路。
2. 打标部分重点推荐图图打标器。作者在图图网站中新建项目后，使用图片反推里的区域标注模式上传训练图；完成后可下载专门的 JSON 格式，也可以导出 txt 或带元数据版本。对于 Ideogram4，作者更倾向使用英文和 JSON 结构化描述，因为自然语言 txt 虽然能用，但更容易带来肢体崩坏或过拟合问题。
3. 训练器设置上，作者演示把打好标的图片和 JSON 文件上传到 AI Toolkit/云端训练器，选择 Ideogram4 模型，设置触发词，并在 caption extension 中按数据实际格式选择 json 或 txt。作者提醒，如果导出的是 JSON，就不要继续按 txt 方式配置，否则训练结果会受影响。
4. 步数判断上，视频里展示了 sample 的变化：一开始完全不像，到两三千步开始接近；如果继续训练到一万多步甚至两万多步，sample 里可能出现脸部模糊、五官崩坏或形态奇怪，这就是明显过拟合。作者的经验是，很多情况下四五千到七八千步已经接近可用，不必机械追求更高步数。
5. 对自然语言打标的结果，作者认为人像相似度可以出来，但权重 1.0 时更容易出现画面和肢体崩坏。补救方法是降低两个 LoRA 权重，视频中提到 0.6 到 0.7 区间比较常用，0.7 是本次测试中较好的值；降低权重后，过拟合和局部崩坏能明显缓解。
6. 对忽略面部训练的版本，作者展示了 8500 步左右的结果，人物相似度有提升，但服装因为训练图较单一也容易过拟合。这里的经验是：只训练面部会比较快，但如果服装、姿态或场景太单一，仍需要增加训练图多样性，或在使用时继续下调权重。
7. 作者最后认为，纯 JSON 格式加图图打标器的效果最好，即便训练到较高步数，在把 LoRA 权重降到约 0.7 后，仍能得到比较像且写实的人像效果。相较普通人像 LoRA，这套流程更能把人物气质和多个角度的一致性训练出来。

适合人群：想训练 Ideogram4 人像 LoRA、正在比较 JSON 打标与 txt 打标、使用 AI Toolkit 或云端训练器、需要判断训练步数和处理过拟合结果的用户。

相关夸克网盘链接：
【T8 Comfyui整合包V11：https://pan.quark.cn/s/9b0cd761bf8e】
【无限画布整合包v2.2.9：https://pan.quark.cn/s/5871a0142ff3】
【贞贞整合包V4.6C（新增充值系统）：https://pan.quark.cn/s/ed4f5cc2db75】

补充说明：本文根据授权视频音频转写整理；视频简介和 UP 置顶评论还提供了 Ideogram4 云端训练器、图图打标器、RunningHub 工作流等非夸克链接，本文仅按规则收录夸克网盘链接。转写中个别工具名存在口音误差，已结合标题、简介和上下文校正为 Ideogram4、图图打标器、JSON 打标、AI Toolkit 与 LoRA 权重。