SD大模型训练喂饭级教程（第二期）：打标进阶

【导语】
SD 大模型微调系列续集（作者改用数字期数，不再严格「上下集」命名）。本期聚焦素材打标：WD14、GPT-4V、以及「WD14 引导 + CogVLM VQA 自然语言」组合拳，并串赛博丹炉与 GPT-4V Image Captioner 实操。

原视频：https://www.bilibili.com/video/BV13W421N732/

【常用打标路线】

1）WD14（最简单）
多数训练器自带或有插件。打完按需求删改即可，适合快速出第一版标签。

2）GPT-4V 自然语言
可用社区 GPT-4V Image Captioner 一类工具（作者此前有完整操作视频）。痛点：对「色图」及稍露骨素材常直接拒答，覆盖面受限。

3）推荐组合：WD14 引导 → CogVLM VQA 转自然语言
CogVLM（智谱 + 清华开源视觉语言模型）在部分测评上接近甚至局部超过 GPT-4V；CogAgent 为其改进版。本地 VQA 可免费给任意素材打自然语言标，且往往比纯 Tag 更贴画面。
- 硬件：口播建议显存 ≥16GB，硬盘预留 ≥60GB 量级放模型。
- 直接用 CogVLM 有时细节不够敏：先 WD14 出引导词，再让 VQA 按引导扩成自然语言，最后用标签处理工具优化。
- 注意：CogVLM 做「单词/短语 Tag」效果较差，宜坚持自然语言段落。

【本地整合包流程（口播）】
作者在社区工具基础上做了含 GPT-4V Image Captioner、CogAgent、Models 的整合包（见原视频评论）。路径尽量全英文、无奇怪符号。
1. 解压后进 GPT-4V Image Captioner，双击启动程序；偶发加载失败多等一会。
2. 若用官方 GPT-4V：按此前视频配置 API。
3. 用 CogVLM：编辑 CogAgent 目录下「启动 API」脚本，把模型路径指到 models 最内层目录 → 启动 API 并耐心等待至界面就绪（勿关）→ 回 Captioner，API 选 common VQA 并 Switch → 改 API URL、超时约 300、图片质量高细节 → 读入提示词模板后开始打标。

【WD14 引导 + VQA 批处理串赛博丹炉】
保持上述服务不关，打开赛博丹炉走到上传素材（参数对本步不重要）→ 分辨率可 1024、无需裁切、AutoTag 约 0.35（可试 0.3/0.25）→ 预处理 → Tag 编辑器删触发词等。然后回 Captioner：提示词存档读入模板，把大括号内地址改成素材目录 → 多图批处理，覆盖策略可按默认。大批量会很慢，需干等。

对比「有引导 / 无引导」提示词，择优或用 GPT 类工具拼合两端优点。再用 Captioner 标签处理：路径填好、Top-N 可 300+、免费翻译后出词云/网络图——引导后的自然语言分布往往更均衡。回到赛博丹炉重建缩略图、开翻译，做人种、表情、服装材质等精细强化；删掉明显无用词。准确标签是高质量大模的关键一步。

【小结】
大模打标不必二选一：WD14 快、GPT-4V 拒答多、本地 CogVLM 补齐敏感素材与自然语言质量；「Tag 引导 → VQA 成段 → 人工/工具精修」是可落地的生产流。

作者：天选嘉鲤敦赵图图