La calidad de tu LoRA se decide antes del entrenamiento — en las imágenes que recopilas y los captions que escribes. Estas recomendaciones recorren cada paso de EDICO con los números y las reglas prácticas que funcionan.

• Elige un modelo marcado con [VL] — así señala EDICO que es capaz de visión.
• Recomendado: huihui_ai/qwen3-vl-abliterated:8b-instruct — gran detalle y buen seguimiento de instrucciones.
• ¿Hardware limitado? huihui_ai/qwen2.5-vl-abliterated:7b o una variante 4b son más rápidos con algo menos de matiz.
• La constancia vence a la astucia — sea cual sea tu elección, termina todo el dataset con el mismo modelo para que el lenguaje sea uniforme.

• Usa un token único y poco común — evita nombres reales o palabras sueltas ya habituales en los captions (p. ej. "girl"). Una etiqueta ficticia como Delia450K2 es mucho más fácil de tratar como un solo concepto.
• Mantén la consistencia — misma ortografía, mismo formato, en cada imagen y cada caption.
• Escribe una base identity rica y fija — cabello, ojos, complexión, tono de piel. Como se antepone automáticamente, cada caption lleva la descripción completa del personaje.

• Busca 50–200+ imágenes buenas. Para un solo personaje, ~100 es un excelente punto de partida; más ayuda con ángulos o atuendos poco frecuentes.
• Prefiere resoluciones cuadradas estándar — 512×512, 768×768 o 1024×1024. EDICO marca en rojo los tamaños no estándar en cada tarjeta.
• Busca variedad a propósito:
  • poses (standing, sitting, dinámicas…)
  • encuadres (close-up, half body, full body…)
  • miradas, expresiones y ángulos de cámara
  • iluminación y fondos (studio, daylight, indoors…)
• Mantén el rostro claramente visible en la mayoría de las imágenes — es lo que tu LoRA debe aprender con más esfuerzo.
• Descarta duplicados y casi-duplicados antes de empezar. La insignia DUP de EDICO te ayuda a detectar captions gemelos.
• Elimina marcas de agua, texto superpuesto y recortes extremos — el modelo los tratará como rasgos de tu personaje.

• Equilibra las categorías — mantén pose, framing, viewpoint, lighting y background como términos genuinamente distintos para que cada caption describa uno de cada.
• Evita términos solapados entre categorías ("sitting" en Pose y "sitting on chair" en otra confundirá la asignación). Las píldoras de filtro hacen visibles los solapamientos.
• Mantén los términos cortos y consistentes — "looking at camera", no "gazing toward lens". La IA reproduce lo que le enseñas.
• Clothing y accessories son texto libre porque los atuendos son infinitos — pero mantén el estilo de redacción paralelo al de los términos de categoría.
• Prueba primero un lote pequeño — capta 5–10 imágenes, revísalas en el Organizer y ajusta el vocabulario antes de lanzar el set completo.

• Relleno de calidad — "masterpiece", "8k", "photorealistic". Estos enseñan a la LoRA a perseguir estilos, no a tu personaje.
• Artículos y frases completas — "a woman wearing a jacket" añade ruido. El estilo de palabras clave es más limpio.
• Suposiciones emocionales — describe la expresión visible, nunca sentimientos internos.
• Deriva de identidad — si el cabello del mismo personaje cambia de color entre imágenes, tu LoRA no sabrá cuál aprender.
• Idiomas mezclados — mantén los captions en un solo idioma en todo el conjunto.

• Revisa las insignias rojas de resolución — vuelve a exportar o descarta los tamaños no estándar.
• Repasa las insignias DUP — confirma que son variedad intencional, no duplicados.
• Filtra por unspec en cada categoría — son las imágenes que la IA no pudo clasificar; corrígelas a mano en el editor.
• Reordena deliberadamente — agrupa los close-ups primero o por atuendo — y luego ejecuta el secuenciador para que tu carpeta final quede limpia y numerada.
• Toma la carpeta con el botón Open files — /working ahora contiene tus pares .png/.txt numerados, listos para tu entrenador (Kohya, OneTrainer, etc.).

📚 Más recursos