#マルチキャラ

ModelScope Studioで公開されたQwen-Image 2.1の早期アクセス版を手動操作で検証した記録。Animaで通らなかった構図指定10種と4人バンドを投げ、かなちゃんの参照画像から向き・服・ポーズの変更や、複数人参照での描き分けをどこまで追従できるか確認した。

素のAnima-Base v1.0をM1 Max 64GBで回し、赤一色と青一色の生成からdenoiseのどのstepで色が分かれ、残差ストリームのどのBlockへ差分を足すと出力の色が変わるかを調べた。次に同じ方向を1人の髪に足し、最後に2人並びの髪色でconditioning差し替えと残差の書き換えを試した実験記録。位置の束縛は特定できたが、髪色を属性として切り出す条件は今回の方法では見つからなかった。

4人合体LoRAで起きる崩れの原因を、プロンプトの書き方からQwen/T5のconditioning、DiTのLoRAモジュールまで8月7日から14日にかけて掘り下げた8本の記録。DiT直前のconditioningを消すと人物が別人に置き換わり、着せ間違いはDiT LoRA側の偏りだと分かるところまでをたどる。

ComfyUIで、Animaの4人LoRAへ左ベース、中央ギターボーカル、右ギター、後列ドラムを割り当てた。手書きプロンプト、Qwen3-4B〜14Bの作文、4Bへの線形ブリッジ、507トークンへの圧縮、全896キャプションの確認を比べ、次に直す学習データを絞った。

M4 Mac mini上のAnimaと4人LoRAで、表情、単独ポーズ、家具に触れる姿勢、2人のハイタッチ、前景3人＋後景1人を3シード検証した。プロンプト内で人物を説明する文の順番、中央の枠、人数の割り振りのどれが効くかを一文ずつ追う。

前景右へ黒タイツが固定される4人LoRAをLLMAdapter-onlyとDiT-onlyへ分けた。M4 Mac miniのComfyUIで同じQwen3-0.6BとT5列を使い、DiT LoRAを適用した時だけ着せ間違いが起きるところまで絞り込んだ。

4人LoRAでかなとこはるの立ち位置と衣装の指定を独立に入れ替えた。黒タイツを指定した人物ではなく前景右の人物が12/12で履き、プロンプトを言い直しても短くしても直らない範囲をComfyUIで追った。

Animaの4人LoRAで、くららとけいの会話、こはるの腕組み、かなの手振りを1つの教室に入れた。8通り×3シードをComfyUIで生成し、役割は出ても完成イラストは0/3だった原因を切り分けた。

Anima 4人LoRAの短いプロンプトから、長文成功時のconditioningを凍結Qwen3-0.6B+resamplerで再現できるかをローカルM1 Maxで実測した。Qwen3.8 Maxで教師プロンプトの並び順を増やした前後の比較も記録する。

Animaの4人LoRAで、短いプロンプトと成功する長文をQwen側・T5側へ分けて交差させた。seed 42の画像とconditioning介入から、T5側の系列内容とQwen経路が4人の描き分けへどう関わるかを切り分ける。

anima-4char-v1をトリガー語のみ〜識別アンカー+位置文+服装文の4段階、2〜4人の11通りの組み合わせ×3seedで実測。崩れの大半は、学習キャプションにある言い回しをプロンプト側で補うと直った記録。

3キャラ合体LoRA(trio_v2)で、同じ日本語指示10シーンを3つのLLMに英語プロンプト化させ、同一シード60枚をM1 MaxのローカルComfyUIで生成して照合した。Qwen-DiT系だから変換もQwenが有利という仮説の検証と、人数ロック付きブリーフで直る崩れ・どう書いても直らない崩れの切り分け。