569293 训练 LTX2 人物一致性 LoRA 的“能照抄”的教程（小白版），关键点都融进去了：数据集一一对应、batch、步数别省、保存频率、batch≥2 关 sampler、以及“怎么选最好的 checkpoint”。

1) 目标与结果

你训练出来的是一个 LoRA（.safetensors），用在 LTX2 的工作流里，让视频/图里的人物脸型、发型、气质更稳定（人物一致性）。

2) 数据集准备（成败关键）

2.1 你需要多少图？

入门：30–60 张
你字幕示例是 ~40 组左右，属于“能跑起来”的数量。

2.2 图片怎么选（别贪多，贪“覆盖面”）

尽量包含：

正面、45°、侧面
半身、全身
不同表情、不同光线
避免：
严重磨皮滤镜、脸遮挡太多、糊、同角度重复

2.3 目录结构（必须一图一文，同名）

每张图片都要有一个同名 txt：

dataset/
  0001.jpg
  0001.txt
  0002.jpg
  0002.txt
  ...

图片文件名 = 文本文件名（只差后缀）。不一致会直接导致训练效果很差或等于白训。

2.4 文本（caption）怎么写（小白可用模板）

每个 txt 写 1 句，尽量描述“身份 + 关键外观 + 视角/场景”，例如：

a woman, long black hair, smiling, front view, indoor light
a woman, side view, standing, full body, outdoor

触发词（trigger word）：字幕里作者说“可有可无”。小白建议：先别纠结 trigger，先把描述写清楚。

3) 在 AI Toolkit 创建训练 Job

打开 AI Toolkit（云端训练器）
Create new job
选择与 LoRA / LTX2 对应的训练任务/模板
上传你的 dataset/ 数据集目录

云端训练的好处：省显存、省折腾；本地 24G 可能会紧张。

4) 参数怎么填（直接抄这套）

4.1 Batch（批次）

推荐：Batch = 2
资源很强可以到 4，但没必要一开始就冲。

4.2 训练步数 Steps（别省！）

字幕里作者强调：不要被“2000/3000 就够”带偏。

起步能看到变化：2500–4000
- 2500：脸型/发型开始明显
- 3500：开始“像”
- 4000：更像但可能还不够稳（尤其全身、转身）
更稳的区间：6000–11000
- 作者更满意的感觉在 1万左右（大致这个量级）

小白推荐：先设 8000 steps。

4.3 保存间隔 Save every（一定要多存）

目的：你不确定哪一步最好，后面要“挑最像的 checkpoint”。

推荐：每 250 或 500 steps 保存一次
至少：每 1000 保存一次

4.4 Sampler/训练中采样：建议关！

字幕重点：batch ≥ 2 时，建议把 sampler 关掉
原因：训练中采样很容易吃显存、拖慢，甚至爆显存。

做法：训练时只训练，不采样；每隔一段步数把 checkpoint 拿出来，在 ComfyUI 或你熟悉的工作流里测试。

4.5 low VRAM 选项

字幕里作者提到 low vram 这种选项“默认会勾，但可以不勾/可去掉”。
小白建议：你不确定就先按默认；如果你发现速度太慢或资源足够，再尝试关掉。

5) 训练期间怎么验收（避免练歪）

5.1 固定测试条件（不然你看不出进步）

每次测试都尽量固定：

同一段 prompt
同一 seed（如果你工作流支持）
同一分辨率

5.2 多久测一次？

字幕里作者建议：每 1000 steps 测一次（或者你 save 很频繁时，挑关键点测）。

5.3 测试分辨率

作者示例倾向直接用 1920×1080测，别靠放大“骗自己”。

6) 训练结束后怎么拿结果

到输出目录找到 LoRA 文件（.safetensors）
下载到本地
放进 ComfyUI 的 LoRA 目录（常见路径类似）：
- ComfyUI/models/loras/
在 LTX2 工作流中加载 LoRA，开始正式生成/对比

7) 常见问题排查（最实用）

A. “怎么都不像 / 训练没效果”

90% 是：图片和 txt 没同名 或 txt 没配齐
其次是：数据太少、角度太单一（只会正脸像）

B. “正脸像，但全身/侧面崩”

步数不够：把 steps 拉到 8000–11000
数据缺角度：补侧面/全身/不同光线

C. “训练爆显存 / 很卡”

关 sampler（尤其 batch≥2）
batch 降到 1 或 2
必要时开启 low vram

D. “不知道选哪个 checkpoint”

你 save 间隔设得足够密后：
- 用同一测试条件对比 2500 / 3500 / 4000 / 6000 / 8000 / 10000
- 选“在多个角度都稳定”的那一个，不要只看正脸。

给你一份“抄作业参数模板”

Batch：2
Steps：8000（不稳就 11000）
Save every：500（想更细就 250）
Sampler：Off
测试频率：每 1000 steps 拿一个 checkpoint 测

AI Toolkit LTX2 LoRA训练新手教程

Table of Contents