#LoRA

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。

M1 Max 64GBのMacでAnimaLoraToolkit + Anima-BaseのLoRA学習を試した。torch2.6.0ではMPSのSDPA実装が既知のPyTorchバグでクラッシュしたが、torch2.7.1に上げるとステップが最後まで進みLoRA保存・画像生成まで通った。SDXL(kohya-ss)で13回全敗した過去のMac検証との対比も書く。

Kimi K2やDeepSeek V4で採用が続くMuonオプティマイザを、Cosmos-Predict2系AnimaとSDXLのLoRA学習へ転用できるか実装前に整理した。DiTとU-Netの層振り分け、Conv2Dの扱い、LoRA二因子分解との相性の既存研究まで。

3キャラ合体LoRAに化粧オンオフ持ちの4人目(くらら)を追加、518枚(配分複製896)・rank256・約21.5時間で合体学習しep100を採用。AI生成マルチ素材の頭身インフレ実測と対策、エポック進行で起きるキャラ意匠の低率漏れと採用範囲の決め方、複数人ではmakeoffが効かない理由、プロンプト全指定で4人立ち・密着とも一発率6/6まで。

顔の造形は同一のまま化粧だけをオンオフする切り替えをキャラLoRAに焼き込めるか、Anima-Base+RunPodで3回学習して検証。無記述で焼き込んだ属性をタグで引き算する設計はcfg1.0で原理的に効かず、存在タグの足し算に転換して両方向の切り替えを達成(採用ep140)。RunPodのpod速度ガチャ対策も。