キャラLoRAのベースをWAI-Animaから本家Anima-Baseに変えて焼き直す

前回 けいちゃん LoRA v1 は WAI-Anima v1.0 上で、WAI-Anima 自身が生成した91枚を学習素材にして焼いた。結果は「自家中毒（学習素材とベースが同分布）で ep20 で頭打ち、ただし顔の一貫性は Anima 由来の弱さをそのまま継承して揺れる」というものだった。

その v1 記事が明示的に次回送りにした疑問が2つある。

1. 分布のズレた素材で焼いたら顔が締まるのか（v1 は自家中毒で収束は速いが顔が揺れた。外部分布ソースなら？）
2. （Anima-Base v1.0 比較記事の結論より）Anima-Base 本体で運用したいなら、その上で LoRA を再学習する必要がある。では実際に Anima-Base 直で焼いたらどうなるか

v2 はこの2つに同時に答える。変えるのは2点だけ。

• ベースは WAI-Anima → Anima-Base v1.0（CircleStone Labs 本家、美的チューニングなし）
• 素材は Anima自家生成91枚 → Qwen Image Edit AIO 生成の70枚（Anima系の外＝分布ズレ）

動機は単純で、派生6種にLoRAを当てた記事まで全部 WAI-Anima を土台にしてきたので「WAIばっかりでもな」という話。

v2 は v1 より良くできた。トリガー単体で keichan が出る実用 LoRA になり、顔の目標忠実度も v1 を上回った。ただしインテークの天井と、ポーズ・アングルが学習分布に縛られる癖は残った。

学習中の経過（内蔵サンプル）

run1（keichan v2, Anima-Base, ep180 = 12,600 step）は RunPod RTX 4090 で回した。0.34 it/s（v1 の RTX 6000 Ada と同等）、VRAM 約11GB。save_every:1 で全エポック保存し、ローカルへ自動同期した。

学習元（目標）/ ベースライン（step0 = LoRA未適用の素 Anima-Base）/ ep10 / ep50 / ep88 の顔比較。

段階	状態
学習元(緑枠)	目標。濃い金髪・碧眼・太いインテーク・青リボン
ベースライン (step0)	茶髪・茶目。keichan 未学習なので素の Anima-Base が出る（プロンプト記述の前髪・青リボンだけ拾う）。美的チューニングなしなので塗りも地味
ep10	金髪＋碧眼がロック（碧眼は ep6 付近で固定）。顔はまだ「整った金髪碧眼の別人」。前髪は流し気味でぱっつんになりきらない
ep50	ep10 とほぼ同じ。色は完成、顔・髪型構造の変化は乏しい
ep88	依然プラトー。金髪碧眼は安定だが、keichan 固有のぱっつん前髪・太い前向きインテークが内蔵サンプル上では弱いまま。顔は「無個性な金髪碧眼」ゾーンに留まる

v1（Anima自家生成素材）は ep1 で金髪＋碧眼まで乗ったが、v2（Gemini起点・分布ズレ素材）は色こそ ep6 でロックしたものの、顔は ep10〜88 でほぼ横ばい。色が決まった後の「顔・髪型構造の収束」が内蔵サンプル（N形式・seed42 固定の単一条件）では進みにくい。

ただし v1 の教訓で内蔵サンプラーは単一条件ゆえ実力を出し切れないことがあるので、この「プラトー」は確定ではなかった。実際、後述するローカル K/N/KT × 複数 seed マトリクスでは印象が変わる。内蔵サンプルだけ見ると Anima-Base 上では色は乗っても顔が keichan 固有まで締まりきらないように見えたが、これは内蔵サンプルの過小評価で、「Gemini 素材で顔が締まるか」の最終的な答えは Yes（後述）。

Codex(gpt-5.5)による客観採点

目視だと差が微妙で判定しづらいので、キリのいいエポック（ep20/40/60/80/90）の内蔵サンプルを学習元と一緒に Codex CLI（gpt-5.5）へ投げ、項目別に 0-5 で採点させた（v1記事の水着画像フレーミング検証と同じ手口）。

epoch	髪色(金)	目色(青)	ぱっつん前髪	エアインテーク	顔/同一性
20	4	5	4	2	3
40	4	5	4	3	3
60	4	5	4	3	4
80	4	5	4	3	4
90	4	5	4	3	4

Codex の所見は 収束は頭打ち。ep20 以降で髪色・目色・前髪は安定するが、エアインテーク（前向きスクープ）は 3/5 で頭打ち、顔・同一性も 4/5 で頭打ち。最良は ep80（ep60〜90 はほぼ横並び）。「髪色と顔が完全に寄っているか」は No（髪色は近いが顔とインテーク形状が未完成）。

目視の印象（色は乗ったが顔・インテークが keichan 固有まで締まらない）を外部評価が定量的に裏付けた形。Anima-Base × Gemini素材は「色は乗るが顔・インテークの作り込みに天井がある」という評価になった。ただしこれは内蔵サンプル基準で、フル推論での最終評価は後述で上方修正される。髪色すら 4/5 で満点でないのは、前述の後髪・毛先の二段トーンが影響している。インテークが 3/5 で止まるのは v1 の「素材のインテーク誇張が足りないと押し返せない」結論と一致する。

なお run1 完了後は同じ Pod で run2（kanachan を Anima-Base で焼き直し） を自動連鎖させた（併走実験。詳細は後述）。

なぜ Anima-Base v1.0 にするのか

Anima-Base v1.0 比較記事で、WAI-Anima 向けに焼いた既存 LoRA を Anima-Base v1.0 に載せると軽い指定では崩壊する（ヒット率22%、青肌/ストレート化/茶色崩壊）ことを確認した。そのときの結論が 「本格運用には v1.0 ベースでの LoRA 再学習が必要」。だから Anima-Base で使いたいなら Anima-Base で焼くのが筋になる。

技術的にはほぼ差し替えだけで済む。

要素	WAI-Anima v1	Anima-Base v1.0
性格	preview3-base 派生の WAI 調整版（美的チューニングあり）	CircleStone Labs 本家の真のベース（美的チューニングなし）
DiT	Cosmos-Predict2-2B	同左
TE	Qwen3 0.6B	同左（全派生共通）
VAE	Qwen Image VAE	同左（全派生共通）
LLMアダプタ	共通・学習中は凍結（llm_adapter_lr=0）	同左

アーキは完全同一で TE/VAE/アダプタは共通。だから学習側で変えるのは transformer_path 一行だけ。公式の LoRA 学習推奨（rank32 / lr2e-5 / アダプタ凍結）も v1 の設定とそのまま一致する。

唯一差が出るのが 美的チューニングの有無。Anima-Base は素だと地味な絵が出る設計（クオリティタグ / アーティストタグ前提）。これは

• 学習中の内蔵サンプルが WAI 時代より地味に見える（が異常ではない）
• 推論時は masterpiece, best quality 等のクオリティタグ、必要なら @artist（@ 必須）を前提にする

という形で運用に出る。学習キャプション側は既に masterpiece, best quality, safe プレフィックス入りなので問題ない。

学習素材（70枚・Gemini起点の混合パイプライン＝完全分布ズレ）

素材は単一モデル生成ではなく、Gemini を起点にした混合パイプラインで作った。Anima系の画像は一切使っていない。

区分	枚数	ファイル	出自パイプライン
バストアップ（真顔・元素材）	—	—	Gemini 生成
バストアップ（表情差分）	26	0001〜0026	上の真顔を Photoshop 生成塗りつぶし（Gemini Nanobanana Pro）で表情替え
立ち絵（元素材）	—	—	Gemini 生成
立ち絵（最終・各種ポーズ衣装）	44	01〜50（欠番あり）	上を Qwen Image Edit AIO で出力

v1 の素材は WAI-Anima 自身の生成画像（＝ベースと同分布＝自家中毒）だったのに対し、v2 は Gemini 起点・Anima 不使用＝ベースから見て完全に別分布。これが狙いの「分布ズレ素材」になる。

ここが重要で、前作 kanachan も Gemini 生成素材で、その場合の最適点は ep150 だった。v2 も同じ Gemini 起点なので、v1（Anima自家生成・ep20頭打ち）ではなく kanachan 寄りの深い収束（ep100〜150帯）になるという予測が立つ。混合パイプライン（Gemini + Photoshop生成塗り + Qwen Image Edit）なので分布が単一でない点も、収束カーブに影響するかもしれない。

注意点として、バスト26枚は実寸 ~495px と学習解像度 1024 より小さく、バケットで上にスケールされる。顔・インテークの最重要ディテールがここに集中するので、再現が甘ければ v3 で高解像に焼き直す余地がある。

キャプションは v1 設計を踏襲（触っていない）

v1 のキャプション設計（トリガー keichan 吸収＋自然言語2文＋構造タグ独立＋品質プレフィックス）をそのまま使う。全身とバストアップ（表情）で構図整合は取ってあり、今回はキャプションは一切いじらない。hair intakes はタグ列に置かず自然言語でのみ言及するのも v1 と同じ。

v1 → v2 の設定差分

- transformer_path: "models/transformers/waiANIMA_v10.safetensors"
+ transformer_path: "models/transformers/anima-base-v1.0.safetensors"   # ★本家ベース

- data_dir: "/workspace/datasets/keichan"          # 91枚(Anima自家生成)
+ data_dir: "/workspace/datasets/keichan-v2"        # 70枚(Qwen Image Edit AIO素材)

- output_name: "keichan-waianima-v1"
+ output_name: "keichan-animabase-v2"

  rank 32 / alpha 32 / lr 2.0e-5 / repeats 4 / bf16 / xformers:false
  save_every:1 / sample_every:1 / seed:42           # ← 全部据え置き

TE/VAE パス・アダプタ凍結・サンプルプロンプト（v1 と同じ N 形式・seed 42）は変更なし。ベースとデータと出力名以外は完全に v1 と同条件にして、差を「ベースと素材の違い」に絞り込む。

エポック方針

• v1（自家中毒・分布ズレ無し）は ep20 頭打ちだった。
• v2 は 素材が分布ズレ（Qwen Image Edit AIO）＋ ベースが素の Anima-Base（WAI より「親切でない」）。両方とも収束を遅くする方向に働くので、ep20 では足りない見込み。
• 比較になるのが kanachan v4。Gemini 生成（分布ズレ）素材は ep150 が最適点 だった。v2 もこの帯に寄る可能性がある。
• ただし2変数を同時に変えるので最適点は未知 → ep180 フルで回し、save_every:1 で全エポック保存してローカルでスイープ。

RunPod セットアップ

ツールは v1 と同じ AnimaLoraToolkit。Volume は前回分が無いのでイチから構築した。

GPU 選定（6000 Ada 在庫切れ → 4090 で十分）

RTX 6000 Ada が在庫切れ・出ては消えるを繰り返したので、RTX 4090 (24GB) に切り替えた。

• v1 実測の VRAM 使用は 10.89GB。4090 の 24GB に対して半分以下で余裕。6000 Ada の 48GB は過剰だった。
• 4090 は Ada 世代＝6000 Ada と同じ cu124 スタックなので、セットアップは無変更。
• 結果は GPU 非依存（総 step・seed・bf16 固定）。GPU が変わっても焼き上がる LoRA は同じで、変わるのは it/s（時間・コスト）だけ。
• Blackwell（RTX 5090 / RTX PRO 6000 / B200）は避ける。sm_120 が cu124 で動かず、cu128 セットアップ地獄になる。

テンプレは torch 2.4 → 2.5.1+cu124 にアップグレード

RunPod テンプレは torch 2.4 / 2.8 しか出なかったので 2.4（cu124）を選択。最終的に乗せたいのは v1 で確定した torch 2.5.1+cu124 × transformers >=4.51,<5.0。

理由（v1 で2回燃やして確定したやつ）。

• Qwen3 TE には transformers >= 4.51 が要る（4.45 だと model type qwen3 を認識できない）
• 素の pip install transformers は 5.x を引き、それは torch.distributed.tensor.device_mesh を要求 → torch 2.5+ 必須
• → 当たりは torch 2.5.1+cu124 × transformers >=4.51,<5.0

2.8 テンプレ（cu128）を選ばないのは、toolkit + transformers 5.x が未検証スタックになり破壊的変更を踏むリスクがあるため。

# requirements.txt は使わない（xformers が torch を cu130 に置換して Ada が死ぬ）
pip install --upgrade torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 \
  --index-url https://download.pytorch.org/whl/cu124
pip install --upgrade "transformers>=4.51,<5.0" \
  einops safetensors diffusers accelerate peft lycoris-lora omegaconf \
  tqdm Pillow numpy lpips pytorch-fid pytorch-msssim scipy scikit-image \
  matplotlib pandas pyyaml psutil rich tiktoken sentencepiece protobuf

モデルは Pod 上で直DL（家の上りより桁違いに速い）

# Anima-Base v1.0 (4.18GB) / VAE (243MB) を HF から直 curl（トークン不要）
curl -sL -o models/transformers/anima-base-v1.0.safetensors \
  https://huggingface.co/circlestone-labs/Anima/resolve/main/split_files/diffusion_models/anima-base-v1.0.safetensors
curl -sL -o models/vae/qwen_image_vae.safetensors \
  https://huggingface.co/circlestone-labs/Anima/resolve/main/split_files/vae/qwen_image_vae.safetensors
# TE は Qwen3-0.6B-Base を models/text_encoders/ にマージ（config類は toolkit 同梱）
hf download Qwen/Qwen3-0.6B-Base tokenizer.json vocab.json model.safetensors \
  --local-dir models/text_encoders

スモークテスト → 本番

Transformer の7分ロード前に TE ロードをスモークテストで先に通す（v1 で踏んだ「7分待ち→TEで落ちる」を回避）。

python -c "
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, T5Tokenizer
from transformers.models.auto.configuration_auto import CONFIG_MAPPING
print('torch:', torch.__version__, '| cuda:', torch.cuda.is_available())
print('qwen3:', 'qwen3' in CONFIG_MAPPING)
AutoModelForCausalLM.from_pretrained('models/text_encoders', torch_dtype=torch.bfloat16, device_map='cpu')
print('>>> SMOKE TEST PASSED <<<')
"
# 通ったら tmux で起動
tmux new-session -d -s train "python anima_train.py --config ./config/train_keichan_v2.yaml 2>&1 | tee /workspace/output/keichan-v2/train.log"

既知の地雷リファレンス

罠	対処
requirements.txt の xformers が torch を cu130 に置換 → Ada 即死	手動依存。xformers: false
transformers 5.x は device_mesh 要求 / 4.45 は Qwen3 未対応	>=4.51,<5.0 に固定
Transformer 7分ロード後に TE で落ちる	起動前にスモークテスト
家からの scp が激遅	モデルは pod 直DL（240Mbps）、データセットだけ scp（88MB）
huggingface-cli download 非推奨	hf download <repo> <files> --local-dir
Anima-Base は素だと地味	推論はクオリティ/アーティスト(@)タグ前提

結果検証（K / N / KT マトリクス）

v1 と同じ3形式 × seed 42/100/200 でスイープ。検証ベースは Anima-Base v1.0（学習元と揃える）、Turbo LoRA 併用 8-step。

形式	内容
K（トリガーのみ）	keichan + 構図タグ
N（自然言語併用）	学習キャプションの自然言語を足す
KT（hair intakes タグ補助）	推論で補助線を引く

成功基準（トリガー keichan だけで6点）は、金髪 / ぱっつん前髪・非姫カット / 長いインテーク / ハーフブレイド / 青リボン / 青目。

完走後、全エポックがローカルに揃ったので、Anima-Base v1.0 + Turbo LoRA 8-step（er_sde/simple, CFG 1.0, 832×1216）で ep20/50/80/120/180 × K/N/KT × seed42/100/200 = 45枚を生成した。下は seed42 のグリッド（行=形式、列=epoch、掲載は制服を指定した着衣版）。

これを目標デザインと並べて Codex(gpt-5.5) に評価させた。

• K（トリガーのみ）で主要デザインが安定再現。金髪・碧眼・ぱっつん前髪・編み込み・青リボンは全 epoch でトリガー単体で出る。つまりAnima-Base 上でも実用域。衣装はトリガー単体だとバラつく（裸〜ランダム私服）が、指定すれば制服で安定する（掲載グリッドは制服指定の着衣版）。一方 エアインテークの太さ・向きは完全固定ではない（epoch・構図で細くなったり横髪寄りになる）。
• N（自然言語併用）が最良。K より顔の安定感が増し、インテークも整理されて目標顔に近い。破綻が少ない。
• KT（タグ補助）は衣装・構造指定には効果が出るが、顔・インテークは N より良くない。ep120 KT は質感が崩れ気味で、キャラ評価には不利。
• エポックは ep80〜180 でほぼ頭打ち。Codex のマトリクス採点では ep180 が僅差で上に出たが、目視で差が分からず再テストしたところ実質 ep120〜150 で十分だった（後述）。
• 総合判定は 「使えるキャラ LoRA」。トリガーだけで主要デザインが出るので実用域。インテークの太さ・向きを厳密に固定したいならプロンプト補助前提。

推奨運用は ep120〜150 + N 形式（ep180 を推さない理由は後述の再テスト）。インテークを強調したい時だけ hair intakes 等を足す（KT は服指定に回す）。

注目すべきは、内蔵サンプラー（N形式・単一seed・25step）で見えた「無個性プラトー」が、Turbo 8-step のフル推論ではトリガー単体でも安定して keichan が出る点。内蔵サンプルは実力を過小にしか映さない（v1 で記録した「内蔵サンプラーは単一条件ゆえ判断材料が薄い」の再確認）。「色は乗る・顔も実用十分・インテークだけ天井」が keichan v2 の結論。

ポーズ・アングル＆背面リボン検証（制服・ep180）

正面ポートレートが良くても、横・後ろ・全身まで安定して出るかは別問題だ。学習データに構図の偏りがあるとそこが崩れる恐れがあるので、ep180 で全身・横顔・3/4・後ろ姿・座り・走り・あおり・ふかんを振った（制服指定、Anima-Base + Turbo）。

キャラ造形（制服・金髪・リボン）はどのアングルでも堅牢に出る。ただし精密な角度制御は別問題で、弱い指定は Anima の「3/4正面アトラクタ」に引き戻される（横→3/4横、後ろ→3/4後ろ、あおり→正面、3/4→なぜか膝立ちに化ける）。派生記事で記録した「Anima の最強アトラクタは3/4」が、新キャラ＋Anima-Base でも再現した。

強い重み（Anima は重み高め推奨）で撃ち直すと切り分けられる。

角度	強指定の結果
立ち3/4	standing で膝立ちは直るが、3/4というより正面寄り＋脚が曲がった「可愛い立ち」（綺麗な直立3/4ではない） △
真後ろ	(from behind:1.6) で真後ろ＝アングルは出る（背面リボン見える）。ただし脚は歩き姿勢で曲がる
真横	正面からは離れるが純プロファイルにはなりきらない △
ふかん	(from above:1.7) で寄り＋見下ろし角＋見上げ顔まで出る（上半身なので脚問題なし） ✅
あおり	重み 1.7 でも完全に正面で変わらない ❌

そして全身を撃つと、ふかん（上半身）以外ほぼ全部で脚が曲がった「ポーズ立ち」になり、まっすぐ直立しない。「普通こんなに脚が曲がるか？」と思うが、素のモデルなら曲がらないので、これはこの LoRA 固有。原因は学習素材の全身44枚が Qwen Image Edit 生成の「キャラ立ち絵」ポーズ（歩き・体重移動・3/4スタンス）ばかりで、棒立ち（直立・両足揃え）が1枚も無かったこと。LoRA は「keichan の全身＝ポーズ脚」を学習したので、standing と言ってもポーズ脚で出る（Anima のモエ立ちポーズ嗜好も上乗せ）。出力のポーズ分布は学習のポーズ分布をそのまま写す。これも「学習/ベースに無いものは出ない」の一例。

つまり学習データ・ベースにある構図は明示＋強指定で制御できる（特に standing 必須、入れないと膝立ち等に化ける）。無い構図は重みで殴っても湧かない。「全アングル自由」ではなく「分布内の角度は強指定で制御可、分布外は不可」が正確。

面白いのが ふかんは出るのにあおりは完全に出ない非対称。これはアニメ美術の構図分布の反映と思われる。「ふかん＝見上げてくる可愛い子」は萌え絵の超定番でベースが大量に持っているが、「あおり＝見上げる構図」は萌え系に乏しく（アクション寄り）、ベースも LoRA 素材も持っていない。だからふかんは強指定で湧き、あおりは何をしても湧かない。「分布外は不可」の中でも、ベースの既定知識の有無でさらに割れる。

後ろのリボン結びが見えるか（keichan の核心）

keichan はハーフブレイドアップで、後ろを青リボンで結んでいるのが見分けの決め手。これは背面アングルでしか確認できない。後頭部クローズと振り返りで確認した。

後頭部に青リボンの蝶結び＋ハーフアップの編み込みが正しく出る（結び目から変に毛が垂れる失敗もない）。学習データに後ろ姿はわずかしか入れていないのに背面構造が出たのは、ブレイド・リボン結びが Anima のデフォで描ける意匠だから（LoRA はキャラに紐付けて呼び出すだけで済む）。これはインテークが天井な理由の裏返しで、同じ原理になる。

ベースがデフォで持っている造形（ブレイド・リボン・サイドポニー）は少数データでも焼ける。持っていない造形（エアインテーク）は大量データでも天井。 必要学習量と天井はベースの既定知識の有無で決まる。

細部のサイズは「構図内の見かけサイズ」に比例（フレーミング原理）

ただし後ろ構図にすると青リボンが小さくなる。同 seed・同 LoRA で構図だけ変えると、リボンサイズが後頭部の見かけサイズに完全比例する。

v1 で記録した「インテーク強度は顔の見かけサイズに比例」と同じフレーミング原理で、keichan の特徴（インテーク・リボン）が全部この法則に乗る。見分けのつく特徴は、それが大きく写る構図で撮るのが運用則。

サイズタグ（(blue ribbon:1.6), large bow）で殴ると、Anima-Base + LoRA では意外と反応してリボンが大きくなった。アクセサリのサイズ制御は全モデル共通の弱点で失敗の出方がアーキごとに分かれる（QIE=効かない / Gemini=盛りすぎ / 素の Anima・IL=適当）が、本ケースは LoRA がリボンを学習済みのぶんほどほどに反応した（フレーミングの寄与も混ざるので、確実なレバーはやはり構図）。

ポーズ・アングルはトリガーが学習分布を体現する

ポーズ/アングルの挙動を追い込むと、一つの原理に収束した。トリガーワードが学習素材のポーズ・アングル分布をそのまま体現し、分布外は抑制する。

(1) standing は無関係、ポーズはトリガーが運んでいる。 standing の有無で立ち姿は変わらない（同 seed で同じポーズ脚）。keichan はポーズ付き全身44枚すべてに常駐するのでポーズ信号を一番濃く吸う＝ポーズ立ちの真犯人はトリガー keichan 自身。standing は薄い受け皿で、付けても外してもトリガーのポーズ立ちに支配される。

(2) ポーズ立ちか直立かはデータ分布で決まる（ベース非依存）。 keichan v2 / kanachan v2 / kanachan v1 を同一中立プロンプト（full body, standing, front view、強制なし）で並べた。

keichan v2（Anima-Base, 動きデータ）は脚曲げポーズ、kanachan v2（Anima-Base, 直立ターンアラウンドデータ）はまっすぐ立つ、kanachan v1（WAI, 同データ）もまっすぐ。同じ Anima-Base 上で keichan はポーズ立ち、kanachan は直立。これはデータ効果（ベースの差ではない）。kanachan の全身が「直立ターンアラウンド（前後左右斜め）」で standing をクリーンに貼っていたから、トリガーも standing も「直立」を学習した。

(3) あおりはベースが出せるのにトリガーが抑制している。 (from below) であおりが出ない件を、トリガー無し（ベースのみ）で撃って切り分けた。

ベース単体（トリガー無し）→ あおり 普通に出る（スカートでもズボンでも。当初疑った NSFW回避でもなく、スカートで上向き角でも普通に描く）。ところが keichan トリガーを乗せると あおり 抑制。ベースはあおりを出せるのに、トリガーが学習分布（あおり無し）で上書きして消している。LoRA 強度を 0.3 まで下げると あおりが戻る代わりに同一性が崩れる（あおりと keichan性が密結合）。kanachan も全く同じ挙動（あおり無し→抑制、0.3で戻る）。

一方 ふかんはトリガーを乗せても出る。ふかんはベースが元から強く出すので、トリガーの抑制を上回って出る。あおりはベースが元から弱く、抑制に消されて出ない。抑制を上回れるかは「ベースがその構図をどれだけ強く持っているか」で決まる（ふかん＝萌え絵の定番でベースが強い、あおり＝萌え系に乏しくベースが弱い）。

(4) トークン汚染の一般則。 standing がポーズ立ちになったのは、standing を貼った画像が 3/4・腕上げ等のポーズ付きで、standing がそれと同居したから。タグ→特徴の結合は排他でなく共起の統計（複数トークンで分配）なので、three-quarter 等を別に振っても standing は漏れ受けする。だから同じタグを貼る画像の中身を揃えないと、一般タグが意図しない属性で汚染される。

再テストでep180推奨を取り下げ（ep120〜150で十分）

Codex はマトリクスで keichan の総合ベストを ep180 としたが、目視では ep120〜180 の差が分からなかった。そこで ep100/120/150/180 を中立プロンプト（強制なし）で並べ直した。

結果、全エポックで脚が曲がったポーズ立ちのままで、ep100/120 と ep180 でポーズの強さに差は無い（ep100 の時点で既にしっかり脚が曲がる）。つまりポーズ立ちはエポックで強まるのではなく ep100 で一定。ポーズ付き全身データが早期に焼き付くデータ駆動で、深く焼いても増減しない。「ポーズは過学習で深いほど強まる」という見立ては外れだった。

そうなると ep180 を推す根拠も消える。顔は ep80 でプラトー、ポーズ立ちは ep100 で一定なので、ep180 は ep120〜150 に対して得が無い（顔も立ち姿も変わらない）。

だから keichan の推奨は ep180 から ep120〜150 に下げる。理由は ep180 が壊れるからではなく、深く焼いても得が無いから。同じ Gemini 素材で kanachan が ep150 最良だったこととも整合する（当初疑った ep180 の過学習は、後述の多 seed 検証で否定された）。

分布ズレ素材で顔は締まったか → Yes（目標忠実度で v2 が勝つ）

v1（学習素材 = Anima 自家生成）と v2（= Gemini 起点）を同 seed で並べた（v1 は学習元の WAI-Anima 上、v2 は Anima-Base 上）。最初は口の出ない calm 顔で比較していたが、口が無い顔で「顔の忠実度」を判定するのは不適切なので、笑顔（smile, open mouth）で口を出した版で評価し直した。

Codex(gpt-5.5) に評価させた。

• 目標への顔の忠実度は v2 が上。v2 は目標の細め目・顔の縦横バランス・中央前髪に寄る。v1 は目が大きく丸く幼く、安定だが「別のアニメ顔」に収束。
• 口元も v2 が近い。目標は「歯を見せた控えめなスマイル」で v2 の口形が一致するが、v1 は口が大きく開いて別種の笑顔になる。
• 一貫性は v1（seed 間で安定）だが、その安定顔が目標からズレている。
• インテークは v1 が強め、v2 は弱め〜中。v2 は素の Anima-Base ぶん生成品質は粗い。
• 結論（Codex）。口あり条件でも目標に忠実なのは v2（口を含めるとむしろ優位が強まる）。

つまり「分布ズレの高一貫ソース（Gemini）は顔を目標に寄せる」が支持された。v1 の自家中毒素材は「安定だが目標とは別の顔」に固まったのに対し、v2 は目標方向に締まった。トレードオフは v2 のインテーク弱さと素の品質の粗さ（地味な Anima-Base 由来）。本文前半で内蔵サンプルを見て「顔は締まりきらない」と渋く評価した中間結論は、顔の「質」ではなく「目標忠実度」で見れば v2 ポジティブに上方修正する。

kanachan を Anima-Base で焼き直す（併走実験）

keichan と同じ「Gemini 素材 × Anima-Base」を別キャラ kanachan（茶髪・サイドポニー・アホ毛）でも焼いた。狙いは2つ。keichan の早いプラトーが「ベースの差」か「特徴の差」かの切り分けと、Anima-Base で kanachan 最大の難所であるサイドポニーの向きが出るかの確認。

T/N/TN マトリクス（トリガー単体で安定、最良 ep150）

ep30/60/100/150/180 × T/N/TN（seed42、制服指定）。

Codex(gpt-5.5) の評価では、T（トリガーのみ）でも茶髪・アホ毛・サイドポニー・青シュシュが全 epoch で出てキャラは安定し、最良は ep150。ep180 は seed42 の TN で手・棒状の小物・口元の液体っぽい描写が勝手に混入し、当初これを過学習と判定した（ただし後述の多 seed 検証で覆る）。

当初はこれをプラトー後の終盤劣化（＝過学習）と見て、kanachan を ep180 まで回すのは過剰と判断した。デフォルトは ep150。ただしこの「ep180 過学習」判定は seed42 の1枚に依存していて、次の多 seed 検証で覆る。

「ep180過学習」は単一seedの誤判定だった（多seed検証）

seed42 の1枚で「ep180 は過学習」と断じたのが気になり、ep180 と ep150 の TN を seed 100/200/300 で撃ち直した。結果、ep180 は seed42 以外（100/200/300）では破綻しない。s42 だけがタイを口元に寄せる変ポーズ＋手の破綻という最悪のロールで、ep150 の TN にも同じ「手を胸・口元に寄せる」傾向は出る。keichan の ep150 も手が写らない構図の3 seed はすべてクリーン（ep120 も同様）。

つまり s42 の崩れは過学習による一貫した劣化ではなく、Turbo 低ステップの単発の生成事故（手の破綻と、タグ盛りが誘発する変ポーズ）だった。同じ epoch でも seed を変えれば大半クリーンに出る。過学習なら同 epoch の多 seed で一貫して崩れるはずだが、それは起きていない。

ここは方法論の戒めでもある。単一 seed のアーティファクト（手の破綻・変ポーズ）では、過学習と生成ガチャを切り分けられない。Codex も自分も seed42 の1枚から「過学習」と断じていたが、それは誤りだった。判定は同 epoch の複数 seed で一貫して崩れるかどうかで見る。

結局 ep150 と ep180 に確認できる品質差は無い（どちらも多 seed でクリーン、顔は早期プラトー）。ep150 を推す理由は「ep180 が壊れているから」ではなく「深く焼いても得が無い」から、それだけ。

サイドポニーの向き（Anima-Base でも向かって右で安定）

kanachan の最大の難所はサイドポニーの向き（WAI では ep150 を要して 100% になった）。Anima-Base ep150 と WAI ep150 を同一プロンプト・同 seed で並べた。

どちらも 3 seed すべてで向かって右（学習方向）に出る。Anima-Base は向き制御を WAI ep150 と同等にこなした。サイドポニーとアホ毛がベース得意（Anima が既定で大きく描く）なので向きもそのまま乗る。keichan のインテーク（ベース苦手）が天井だったのと対照的。

ep150 をポーズ・アングルで検証

「マトリクス1枚で ep150 最良」だけでは構図耐性が分からないので、ep150 で全身・横・3/4・後ろ・座り・走り・あおり・ふかんを振った（制服、seed42/100）。

各構図で破綻なく kanachan が出て、サイドポニー＋アホ毛もポーズを通して保たれる（ベース得意の堅牢さ）。注目は全身正面で、kanachan は脚がほぼ直立＝keichan の脚曲げポーズと対照的で、直立ターンアラウンド主体のデータがそのまま自然な立ち姿に出ている。3/4 が膝立ちになるのと、あおりが弱いのは keichan と同じ（前者は cowboy shot+three quarters プロンプトの癖、後者はトリガーによるあおり抑制でキャラ非依存）。

顔の収束を学習元と比較

keichan で見た「顔は学習元そのものではなく Anima 画風に寄る」が kanachan でも起きるかを、学習元（Gemini 生成のバスト）と出力 ep100/150 で並べた。表情がバラつくと顔の比較にならないので、学習元・出力とも笑顔（smile）に揃えてある。

Codex(gpt-5.5) 評価では、忠実度は約 3/5 で ep100 付近で頭打ち。茶髪・茶目・アホ毛・右サイドポニー・前髪密度は再現できるが、顔は学習元の丸く素朴な造形より縦長・V字寄りで、目が Anima 的に整いすぎる。さらにサイドポニーが学習元より長く大きくなり（ベース得意の特徴を Anima の既定が誇張）、青シュシュが黄色寄りに色ズレした。

keichan の「後髪の二段トーン」と同じく、小さなアクセサリの色はトリガーやタグで保持しきれずベース寄りにズレる。結局 keichan と同じく「見分けはつくが顔は Anima 画風に収束、小物の色はズレる」で、Gemini 素材 × Anima-Base の顔の振る舞いは2キャラで一致した。

2キャラで確定したこと

	keichan	kanachan
見分けの決め手	インテーク（ベース苦手）	サイドポニー＋アホ毛（ベース得意）
トリガー単体	出る（インテークは弱い）	出る（特徴も強い）
最良 epoch	ep120〜150（ep80 でプラトー、ep180 は得なし）	ep150
ep180	ほぼプラトー	崩れず（s42 は単発の生成事故）

決定的なのは、kanachan の最良 ep150 が WAI でも Anima-Base でも同じだったこと。最適点のエポックは「データと特徴」で決まり、ベース（WAI か Anima-Base か）では変わらない。keichan が早くプラトーしたのは深い epoch で伸びる特徴を持たないから、kanachan が ep150 を要したのはサイドポニーの向きが深い epoch で改善するから。つまり「keichan の収束が速いのはベースの差か特徴の差か」の答えは特徴の差で、同じ Anima-Base 上でも keichan は早く、kanachan は ep150 だった。

データ設計の指針（v3案 / Anima系キャラLoRA一般則）

ここまでの全知見を整理すると、キャラ LoRA のデータ設計則が出る。

1. 直立ターンアラウンド（前後左右斜め）を少数。standing をここにだけクリーンに貼る。良いデフォルト（棒立ち）＋等身＋多方向の同一性。kanachan が制御しやすかった核。
2. バストアップ＋衣装バラし。顔・前髪・ベース苦手な特徴（インテーク）の焼き付けで、同一性の本体になる。インテークはフレーミングで大きく写るバストで強く焼く（細部サイズは見かけサイズに比例）。衣装をバラして1着固定を防ぐ。
3. キャプション衛生。一般タグ（standing 等）に意図しないポーズ・属性が紐づかないよう、同じタグを貼る画像の中身を揃える。核心（色・インテーク）はタグから抜いてトリガー吸収、独立構造（リボン・ブレイド）はタグで残す。
4. 「ベースが出せないものだけ入れる」。ベース得意（ブレイド・リボン・ポニー・ふかん・一般ポーズ）は少数か不要（盛るとデフォルト汚染で損、ベースが勝手に出す）。ベース苦手（インテークは素材で誇張して入れる・それでも天井あり、あおりは欲しいなら必須で、入れないとトリガーが抑制）は入れる。
5. 素材の出自。分布ズレ高一貫ソース（Gemini）＞ 自家中毒（Anima 自家生成）。顔忠実度で v2>v1 を実証。

要するに、同一性はバストで濃く焼く＋トリガー吸収。構図はベースが出せない分だけ入れる。クリーンな直立ターンアラウンドで既定と等身を整える。一般タグを汚さない。素材は高一貫の分布ズレソース。

v2 の反省点を具体化すると、全身44枚のポーズ付き立ち絵 → 直立ターンアラウンド数枚に置き換えて全体を軽くするのが次の最適解（kanachan の構成に寄せる）。

参考リンク

• けいちゃん LoRA v1（WAI-Anima・自家中毒で ep20 頭打ち）
• Anima-Base v1.0 を WAI-Anima と比較、既存LoRA互換性検証
• 同じキャラLoRAを Anima 派生6種に当てて比較
• kanachan を 12,000 step まで延ばした検証（分布ズレ素材は ep150 が最適点）
• Anima 派生チェックポイント20本超の分類