我是如何自动化社交媒体贴纸制作：在30张图像上本地训练SD 1.5风格LoRA模型

作者面临的问题在于，通过提示词工程为贴纸包生成一致的插图相当困难，因此他们决定在Stable Diffusion 1.5上训练一个风格LoRA。选择SD 1.5是因为其硬件要求低且生态丰富，尽管它在理解复杂描述方面存在局限。数据集包含从sticker svk.com手动挑选的30张贴纸，每个包仅选一张，以避免模型记住特定角色或作者；排除了带有文字、复杂姿势或风格偏离的图片。他们使用触发词“vkstckrs”在生成时激活学习到的特征。Gemini 3.1 Pro编写了一个Python脚本，将透明背景替换为白色并保存为JPG，而ChatGPT 5.6则利用BLIP（一种预训练的图像标题生成模型）生成了标题。作者强调，该模型仅用于教育目的，训练后图片已删除，并无商业用途的意图。