Anima LoRA: entrenamiento, samplers y setup local
Cómo configurar Anima para generar imágenes, elegir el sampler correcto y entrenar una LoRA localmente con ajustes e hiperparámetros verificados.
On this page
Entrenamiento de LoRA en Anima: ajustes, samplers y setup local
TL;DR
- Anima es un modelo text-to-image de 2 mil millones de parámetros creado por CircleStone Labs y Comfy Org, basado en NVIDIA Cosmos-Predict2, y funciona dentro de ComfyUI con tres archivos de modelo separados.
- Para generar, usa 30-50 pasos con CFG 4-5 y una resolución entre 512² y 1536²;
er_sdees un buen sampler por defecto. - Entrena LoRAs sobre Anima-Base con kohya-ss/sd-scripts o un entrenador GUI local, empezando con una tasa de aprendizaje de 2e-5 para rank 32, y nunca entrenes el adaptador LLM.
Qué es Anima
Anima es un modelo de difusión text-to-image centrado en conceptos, personajes y estilos anime, publicado en la ficha del modelo en Hugging Face. El modelo usa la CircleStone Labs Non-Commercial License para uso no comercial; las imágenes generadas pueden usarse comercialmente. Anima no rinde bien en realismo; esto es por diseño.
El modelo se distribuye como tres archivos separados para ComfyUI: el modelo de difusión en models/diffusion_models, un codificador de texto Qwen3 0.6B en models/text_encoders, y un VAE de Qwen-Image en models/vae. El VAE de Qwen-Image es de 16 canales y se encarga de la decodificación de imágenes. Anima es un derivado de NVIDIA Cosmos-Predict2-2B-Text2Image y está sujeto a la NVIDIA Open Model License Agreement for Derivative Models.
El dataset de entrenamiento cubre varios millones de imágenes anime y alrededor de 800k imágenes artísticas no anime de fuentes que incluyen Danbooru, Gelbooru, DeviantArt y LAION-POP, sin datos sintéticos. La fecha de corte de los datos anime de entrenamiento es septiembre de 2025.
Ajustes de generación que funcionan
Anima opera a resoluciones entre 512² y 1536² píxeles. El rango recomendado es 30-50 pasos de denoise con una escala CFG de 4-5. Las etiquetas de calidad mejoran los resultados: usa un prefijo positivo de masterpiece, best quality, score_7, safe, y un prompt negativo de worst quality, low quality, score_1, score_2, score_3, artist name, blurry, jpeg artifacts, chromatic aberration.
El modelo fue entrenado con etiquetas estilo Danbooru, captions en lenguaje natural y combinaciones de ambos. Al usar etiquetas, colócalas en este orden: primero etiquetas de calidad y meta, luego etiquetas de sujeto (1girl/1boy), personaje, serie, artista y etiquetas generales. Las etiquetas de artista deben llevar el prefijo @; sin él, el efecto es muy débil. El modelo se entrenó con tag dropout aleatorio, así que no necesitas incluir todas las etiquetas relevantes en la inferencia.
| Ajuste | Valor |
|---|---|
| Rango de resolución | 512² a 1536² píxeles |
| Pasos | 30-50 |
| Escala CFG | 4-5 |
| Prefijo positivo | "masterpiece, best quality, score_7, safe, " |
| Prefijo negativo | "worst quality, low quality, score_1, score_2, score_3, artist name, blurry, jpeg artifacts, chromatic aberration" |
| Archivos del modelo | modelo de difusión + text encoder + VAE |
Samplers y schedulers
Un scheduler beta57 (disponible mediante el paquete de nodos custom RES4LYF para ComfyUI) puede mejorar la calidad de las texturas para un look realista o pictórico. Las diferencias de comportamiento entre los schedulers KL Optimal, FlowMatchEulerDiscrete, Beta y SGM Uniform no están documentadas en fuentes oficiales. Para una guía más amplia de samplers, consulta la guía de samplers y schedulers.
| Sampler | Estilo | Cuándo usarlo |
|---|---|---|
er_sde | Neutro, colores planos, líneas nítidas | Default razonable |
euler_a | Más suave, líneas finas, look 2.5D | Cuando CFG puede subir más |
dpmpp_2m_sde_gpu | Más variedad, creativo | Cuando quieres libertad creativa |
euler | Básico, ligeramente creativo | Para las versiones Turbo y Aesthetic |
| beta57 (scheduler) | Mejores texturas, pictórico | Vía paquete de nodos custom RES4LYF |
Elegir entre las versiones de Anima
Anima tiene tres releases, publicadas en Civitai. Anima-Base es el modelo base preentrenado y sin refinar, y ofrece máxima flexibilidad, diversidad y adherencia al estilo. Las LoRAs deben entrenarse con esta versión. Anima-Aesthetic está fine-tuneada para mejor consistencia y un estilo artístico por defecto de mayor calidad, con las etiquetas de calidad eliminadas de las captions — no necesitas etiquetas de calidad en el prompt positivo al usarla, aunque masterpiece, best quality, es seguro mantener. Anima-Turbo es una versión destilada para generación rápida a CFG 1 con 8-12 pasos; es levemente peor que Aesthetic en promedio, pero mucho más rápida y barata, y el proceso de destilación también aumenta la estabilidad.
| Versión | Mejor para | Fortalezas | Debilidades |
|---|---|---|---|
| Anima-Base | Entrenamiento de LoRA, máxima flexibilidad | Mayor rango creativo, base sin refinar | Estilo por defecto simple sin etiquetas de artista o calidad |
| Anima-Aesthetic | Outputs por defecto de alta calidad | Consistente, alta calidad lista para usar | Menor diversidad por el tuning estético |
| Anima-Turbo | Iteración rápida, menor costo | 8-12 pasos a CFG 1, rápido y barato | Calidad levemente menor que Aesthetic en promedio |
Entrenar una LoRA localmente
Entrenar un adaptador LoRA para Anima requiere un setup local o un notebook en la nube. Hay dos caminos principales: un entrenador standalone con interfaz gráfica, o un notebook de Google Colab. Para una introducción general a los conceptos de fine-tuning con LoRA, consulta nuestra guía de LoRA básico. Para el setup de ComfyUI, consulta la guía de instalación de ComfyUI.
Entrenador GUI local
El CitronLegacy Anima LoRA Trainer UI ofrece una interfaz gráfica local para entrenar. Requiere Python 3.10+, PyTorch 2.6+ y CUDA 12.4+ (CUDA 11.8 puede funcionar, pero no está garantizado). El entrenador corre en menos de 6 GB de VRAM con los ajustes por defecto (dimensión 20, resolución 768).
Notebook de Colab
El CitronLegacy Colab trainer es un notebook de Google Colab que automatiza el pipeline. Instala sd-scripts, descarga los tres archivos del modelo Anima (~5.6 GB en total), genera archivos de configuración TOML y lanza el entrenamiento vía accelerate. Incluye un estimador de pasos, salida en streaming en vivo e integración con Google Drive para que los outputs sobrevivan a los resets de sesión. En una GPU T4 del tier gratuito, 1000 pasos de entrenamiento toman más de 4 horas.
Buenas prácticas de entrenamiento
Empieza con una tasa de aprendizaje de 2e-5 para rank 32 y ajusta desde ahí. El modelo base de Anima no tiene un tuning estético agresivo ni RLHF que superar, y contiene una enorme cantidad de conocimiento visual, así que solo se necesita un toque ligero de entrenamiento.
No entrenes el adaptador LLM. El adaptador procesa los embeddings de texto antes de que lleguen al modelo de difusión y por eso tiene una influencia desproporcionada en las imágenes generadas. Contiene una cantidad sorprendente de conocimiento y se degrada fácilmente al entrenarlo. Pon llm_adapter_lr en 0 en tu script de entrenamiento; la mayoría de los entrenadores, incluido sd-scripts, soportan esta opción.
| Hiperparámetro | Default | Notas |
|---|---|---|
network_dim | 20 | Rank de la LoRA; valores menores (p. ej., 8) usan menos VRAM |
network_alpha | 20 | Normalmente igual a network_dim |
learning_rate | 0.0001 | Reduce si ves pérdida NaN |
max_train_epochs | 10 | Mantenlo bajo para quedarte por debajo de 1000 pasos totales |
resolution | 768 | Reduce a 512 ante errores de memoria insuficiente |
repeats | 5 | Imágenes × repeats = pasos por época |
caption_dropout | 0.1 | Probabilidad de descartar una caption durante el entrenamiento |
Para el Anima Standalone Trainer, los requisitos son Python 3.10+, CUDA 12.1+, y corre en Windows y Linux.
Errores comunes y soluciones
| Síntoma | Causa | Solución |
|---|---|---|
| CUDA out of memory | Los ajustes por defecto exceden la VRAM disponible | Reduce network_dim a 8 y/o la resolution a 512 |
| Pérdida NaN | Tasa de aprendizaje demasiado alta | Baja learning_rate; asegura PyTorch ≥ 2.5 |
| "No images found" | Formato de caption o nombre de archivo incorrecto | Asegúrate de que las captions terminen en .txt y los nombres de imagen no |
| Colab se desconecta a mitad de la ejecución | El tiempo de sesión excede el límite del runtime | Mantén los pasos totales por debajo de 1000; usa Google Drive para checkpoints |
| Modelos faltan al reejecutar | /content/ se resetea en cada sesión de Colab | Reejecuta la celda de Setup, o monta Google Drive |
| La LoRA tiene un efecto de estilo de artista débil | Falta el prefijo @ en la etiqueta de artista del prompt | Siempre antepón @ a las etiquetas de artista |
| La LoRA degrada el output del modelo | El adaptador LLM se entrenó junto con la LoRA | Pon llm_adapter_lr en 0 para desactivar el entrenamiento del adaptador |
FAQ
¿Cuántas imágenes necesito para entrenar una LoRA de Anima? No hay una única respuesta. Entrenadores de la comunidad han reportado resultados usables con solo un puñado de imágenes para LoRAs de personajes, mientras que datasets más grandes de 30-100 imágenes dan más variedad. Prioriza la calidad sobre la cantidad.
¿Qué tasa de aprendizaje debo usar para entrenar una LoRA de Anima? El punto de partida recomendado es 2e-5 para una LoRA de rank 32. Ajusta desde ahí según los resultados. Mantén learning_rate en 0.0001 (1e-4) para la mayoría de los pipelines basados en sd-scripts como valor por defecto.
¿Por qué no debo entrenar el adaptador LLM en Anima? El adaptador LLM procesa los embeddings de texto antes de que lleguen al modelo de difusión y por eso tiene una influencia desproporcionada en las imágenes generadas. Se degrada fácilmente cuando se entrena junto con una LoRA. Pon llm_adapter_lr en 0 para desactivar su entrenamiento por completo.
¿Qué resolución soporta Anima? Anima funciona a resoluciones entre 512² y 1536² píxeles. La resolución de entrenamiento por defecto en el entrenador de Colab es 768, que puede reducirse a 512 si encuentras errores de memoria insuficiente.
¿Cómo formateo los prompts para Anima? Anima acepta etiquetas estilo Danbooru, captions en lenguaje natural o una combinación de ambas. Usa minúsculas para las etiquetas, con espacios en lugar de guiones bajos (las etiquetas score_* usan guiones bajos). Antepón @ a los nombres de artista. Ordena las etiquetas así: calidad/meta/seguridad, sujeto, personaje, serie, artista, etiquetas generales.
¿Qué VRAM requiere entrenar una LoRA de Anima localmente? El entrenador UI de CitronLegacy corre en menos de 6 GB de VRAM con los ajustes por defecto (dim=20, res=768). Reduce a dim=8 y/o res=512 para bajar aún más el uso de VRAM. El Anima Standalone Trainer requiere CUDA 12.1+.