#LoRA

Anima-2.9Bをさらに層拡張し、Qwen3.5-4Bをテキストエンコーダに追加したコミュニティ版Anima-3.8Bを、M1 Max 64GBのComfyUI v0.33.3で実測する。過去に線形ブリッジで失敗したエンコーダ交換を、0.6Bの経路を残したままcross-attentionを挟む形でどう実現したかをコードと重みから読み、効かなかった構図プリセット10種と4人バンドの役割指定をBase・2.9Bと同seedで比較したら、真後ろや後列のドラマーは通るようになり、顔をフレーム外などの切り取り指定は逆に効かなくなった。既存キャラLoRAは番号を52ブロックへ付け替えれば本人が出る。

Anima-2.9Bが使ったLLaMA Proの層拡張（コピーした層を挟んで出力をゼロにし、新層だけ学習）をQwen3-0.6B-Baseで再現。自分のブログの技術記事722本を学習させ、新層のみ・LoRA・フルFTで覚えたかと忘れたかをperplexityで比較した。新層だけで学習外の記事は14.7から10.5に下がったが、Wikipedia日本語版は13.5から17.9に上がってフルFTより忘れた。1.7Bでも比率は同じで、Wikipediaを2割混ぜるとほぼ消える。28層で焼いたLoRAの番号付け替えも数字で再現。M1 Max 64GBのMLXで実測。

Anima-Baseを28層から40層へ層拡張したコミュニティ版Anima-2.9Bに、Anima-Base v1.0で焼いた4人LoRAとペアLoRAをそのまま当てる。新層が12個割り込むのでブロック番号が2番目以降ずれる構造で、ComfyUIはエラーを出さずに読む。そのまま当てるとキャラが出ず、番号を付け替えたLoRAでは3シードとも本人が出た。M1 Max 64GBのComfyUI v0.33.1以降で、Turbo LoRAとint8版、生成時間まで実測。

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。