在LiblibAI平台上训练LoRA模型时，素材准备环节是许多新手容易踩坑的关键步骤。核心要点其实只有三个：图片数量控制在20至50张（若做面部迁移可缩减到15至20张，但必须全部为正面清晰人像）、分辨率仅支持768×768或1024×1024，并需等比缩放裁剪、构图要求主体居中、背景简洁且光照均匀。如果这些条件有任何一个不达标，轻则上传失败或标注异常，重则生成结果严重变形——例如人物脸部扭曲、服饰纹理混乱、背景大面积崩坏，让人头疼不已。

简单来说，素材质量直接决定了LoRA的训练效果，容不得半点马虎。

图片数量：20至50张是效果与效率的最佳平衡

准备同一主题、同一风格的图片时，20到50张的区间是最理想的选择。如果少于20张，模型容易出现过拟合问题，生成图片的泛化能力较差，同样的提示词反复出图几乎没有变化，仿佛只记住了几张照片的细节；而超过50张，训练时间会大幅增加，并且如果新增图片风格不一致，反而可能干扰特征学习，得不偿失。

如果专门做人脸风格迁移——比如训练一个“个人写真LoRA”——可以压缩到15至20张，但必须全部为正面清晰人像，确保无遮挡、无侧脸、无背影。否则在触发词生效后，可能出现五官错位或半边脸缺失的情况，最终效果大打折扣。

清晰度与分辨率：768×768或1024×1024是唯一安全尺寸

在分辨率方面，LiblibAI仅支持两种正方形尺寸：768×768和1024×1024。如果使用其他尺寸，比如512×512或896×896，平台要么直接拒绝上传，要么自动插值拉伸，结果就是线条产生锯齿、边缘模糊、材质细节丢失，训练出来的模型根本无法使用。

关键点在于必须等比缩放后进行中心裁剪，不能图方便直接进行非等比拉伸。举一个反面例子：原图为1200×800，如果直接设为768×768强行压扁，人物会变成宽脸、手臂变粗、衣服褶皱变形，完全不符合要求。正确的做法是先等比缩放到长边为768像素，再居中裁剪出正方形区域。

本地处理时，建议使用Pillow脚本进行操作：先计算缩放比例，调用Image.BILINEAR插值方法，最后保存为JPEG格式——这样可以避免PNG透明通道引发标注异常，省去后续的麻烦。

拍摄角度与构图：主体居中、背景干净、光照均匀

正面视角是最安全的选择：直视镜头，双眼睁开、表情自然，主体占画面60%以上的面积，头部留白适中，既不要顶天立地，也不要切掉下巴。半身像（肩部以上）配合轻微仰角（大约15°）也可以使用，能够突出面部立体感，适合训练水墨画或厚涂风格等LoRA。但严禁俯拍或极端仰拍——一旦模型学到畸变比例，生成时就会出现脖子拉长或额头塌陷的问题。

如果训练的是全身或动作类LoRA，可以考虑多角度补充素材：正面、3/4侧身、微侧脸（不超过30°）各准备5到8张。但这里有一个硬性前提：所有角度必须保持相同的服装、背景和光照条件，否则模型无法对齐关键特征点，训练出来的LoRA在不同角度下会出现崩坏。

最后强调一下背景问题：所有图片背景需为纯色或极简风格，避免使用复杂场景、多人出镜、反光镜面、文字标识等元素。打标器可能会将这些元素误识别为关键词，从而污染标签权重，导致生成结果偏离预期。准备好这些素材，训练LoRA才能事半功倍。