#Anima

WAI-Anima向けに学習した自作キャラLoRAを WAI-Anima / AnimaYume / RDBT ほかのAnima派生に当て、M1 Maxで同一プロンプト・同一シードで出力を比較した。トリガー一語だけだとどのモデルもキャラが安定せず、かなはAnimaYumeの3枚中1枚だけサイドポニーまで出た。けいはトリガーだけだとHikari以外ほぼ出ないが、構造タグ＋制服を足せば6モデルとも出る。色味と一発再現性で見た実機比較。

AnimaはNVIDIA Cosmos系のDiTで、派生はぜんぶ同じベースを共有するためAnima用LoRA1つを全派生に使い回せる。CivitAIで増えたAnima派生チェックポイントを20本超集めて、マージかファインチューンか・絵柄の狙い・プロンプト追従の傾向で分類した。実機で試す前に全体を並べた一覧。

M1 MaxのComfyUIで自作キャラLoRA（かな・ケイ）2個を1枚に。並べるだけなら出せるが、設計を保てるのは再描画しないinpaintだけ。重なる絡みポーズはどの手でも未達で、QIE合成はかなのミディアムを長く描き直し、英語プロンプトや学習タグでも保てない。text2img・QIE・Flux Kontext・LLLite・QIE多段を実測比較。

WAI-Animaで生成した画像だけを学習素材にして、同じWAI-Anima向けのオリキャラLoRAを焼いた記録。学習データとモデルが同じ分布なのでdistribution shiftがほぼゼロになり、前作のep150に対しep20でスイートスポットに到達した（7.5倍速）。トリガーで焼ける要素とタグが要る要素の切り分け、構図制御の効き方まで実機で検証した。

M1 MaxのAnimaで、LoRA学習データ用の正面ビュー+インテーク両立キャラを6人（静香・りあむ・アンジュ・名雪・える・桜）NL参照で検証。結論は名雪単独参照+正面強制タグ群+品質タグ全削除のBA構成で顔の影バイアスも軽減。

Animaのヘアインテークは単独タグやNL文中の記述では発火しないので、別キャラのDanbooruタグを参照に立ててnegativeでそのキャラのアイデンティティ要素を剥がす3段重ねレシピで移植した。斜め上から構図と組み合わせて頭頂のハーフブレイドも見せる実用ラインまで持っていった27条件の検証。元プロンプトが偶然Blue Archiveのキャラ仕様だった発覚と、作品ワールドへのアンカーで起きるブレンド現象も含む。

Anima-Base v1.0公式の推奨ネガティブ、セーフティタグ、WAI-Animaの設定を確認し、Illustrious系で使っていた手・指の禁止語を並べた長いネガティブをどこまで残すかを、既存のM1 Max検証記事と接続して整理した。

M1 MaxのComfyUI上でWAI-Anima v1.0に自作キャラLoRAを当て、2〜3人の並びを描かせて何が起きるかを確認した記録。LoRA weightや構図によって何が崩れて何が持つか、安定して使うためのコツまで。

M1 Max 64GBのComfyUIで Anima preview3-base のインペイントを動かす検証記録。32分45秒の公式テンプレを Crop-and-Stitch で2分31秒〜7分まで圧縮。ただし出力ポーズは元画像のcontrapposto+胸前傾から抜けず、ControlNet 等での骨格固定が宿題として残る

CircleStone Labs公式の真のbase model Anima-Base v1.0 をM1 Max 64GB / ComfyUIで preview3-base / WAI-Anima と並べた。生成時間は275〜285秒でほぼ同じだがWAI-Anima向け既存 kanachan LoRA は v1.0 で崩壊しやすく、軽い指定では22%しか拾わない。衣装パーツを明示する重い指定+Turbo LoRA+kana 1.0 では67%まで回復。v1.0 ベースで運用するなら LoRA 再学習が必要、というのが結論。

カラーのアニメ系AIイラストを漫画原稿風のモノクロへ変換する検証ログ。AI再生成系は色残りか顔変化のどちらかに寄り、決定論的なローカル処理だけだと機械的に見える。次に試すべき方向（Anima にグレスケ専用LoRAを載せる案、See-throughで部位分離してから機械合成する案）まで整理する。

v3 のキャプション据え置きで学習量だけ Anima 公式推奨の 12,000+ ステップまで増やしたら、ep150〜180 で方向ヒット率 100%、ep200 で 0% に急落、ep227 で 67% まで部分回復、という非単調な曲線が出た。1枚あたり露出 600〜720 回が sweet spot、800 回超で catastrophic forgetting。learning_rate 2e-5、約11時間 / $10 のRunPod学習と sweet spot エポックスキャンを記録。