素材匮乏时训练高品质二次元 Anima LoRA

【导语】
角色只有一张官方立绘、几乎没有素材时，如何仍训出高品质二次元 Anima LoRA？本文按口播流程整理：先补后视图与三视图 → 合成多样训练图 → 打标清理 → 导出训练，并以「绝区零」角色演示思路（角色名以视频为准）。

原视频：https://www.bilibili.com/video/BV1eej86JEzh/

【第一步：补一张合格后视图】
素材极度匮乏时，最重要的是拿到角色背后视角。途径包括：进游戏截图、检索、甚至 Cos 参考等。口播强调：后续用图像编辑/多模态工具生成标准后视时，实测部分模型「干不了」，可用网页版 GPT 类工具较快；把参考图与需求发给模型，生成标准后视图，再据前视+后视生成侧视，凑齐三视图后再扩训练集。

【第二步：从三视图扩成高品质数据集】
将三视图导入打标器「创意工坊」一类功能，按提示生成新图（口播：一次最多约四张，清晰度 1K/2K 可选）。有一定失败率；也可用 Google 实验室、GPT 或其他设计工具，但作者认为打标器链路性价比高、效果常好于直接乱生成。

质检硬指标：
- 服装、丝袜、眼睛等细节保留好；
- 手不能崩——手崩了训出来的服装容易把坏手一起学进去；
- 角度与表情要丰富：全身/半身/膝上/肖像等；
- 建议纯白背景，降低背景污染。

若接口报错，优先查积分与网络。

【第三步：打标（以 WD14 为例，但不强推）】
作者并不特别推荐 WD14：无主体过滤，标完必须仔细修。演示流程概要：
1. 新建项目 → 模型配置选高级模式；
2. 先启动本地推理服务（口播「欧拉马/Ollama」一类）后继续；
3. 在内置模型管理中选 WD14 系列，配置路径，从 Hugging Face 下载到纯英文路径的独立文件夹，验证并保存；
4. 进入词/短语模式，导入本地图片或文件夹；
5. 智能生成 → 选本地 WD14 → 开始执行；
6. 人工清理：加触发词；删掉不该保留的标签，尤其是会把服装裁剪细节焊死的噪音词。

【第四步：导出与训练】
导出到图图训练器数据集目录，基座选 Anima（本地已下载则选本地）。在数据集管理确认后，采样提示词设置里加入触发词并「添加到全部」，开始训练。口播实例：约三小时多、约一万步；成品服装品质高、污染少，表情动作支持较好，与其他模型兼容度也不错。

【小结】
缺素材不等于不能训：用「官方图 → 后视/三视 → 可控扩图 → 严抠手部与角度覆盖 → 打标必人工」的流水线，可以把一两张立绘扩成可用训练集。打标工具可以自动化，但主体过滤与服装标签清理仍是质量闸门。

作者：天选嘉鲤敦赵图图