Tags de estilo Illustrious e Anima: o que funciona de verdade

TL;DR

• Tags Danbooru são o vocabulário: Ambos modelos treinam no Danbooru2023, então tags canônicas como anime screenshot funcionam; aliases como anime screencap podem não registrar se o modelo viu apenas a forma renomeada.
• Tags de artista precisam de @ no Anima: O modelo treinou com prefixos @artist; omitir @ produz efeito muito fraco.
• Teste registro de tag via ablação controlada: Fixe a seed, mantenha todos os outros tokens constantes, remova a tag candidata e compare saídas em um único eixo — o dropout de tags do Anima significa que tag ausente sozinha não prova não-reconhecimento.
• Crie atalhos de estilo para isolar treino: Sempre marque estilo nos dados de treino; remova o atalho ao treinar LoRAs de personagem para evitar contaminação.

Para o contexto mais amplo de construção de prompts, veja o guia de prompt anime Illustrious e NoobAI.

De onde vem o vocabulário de tags de estilo

Illustrious XL e NoobAI XL são ambos derivados de SDXL fine-tuned treinados principalmente em datasets derivados do Danbooru.

Illustrious XL treina exclusivamente no Danbooru2023, enquanto NoobAI XL também incorpora tags do e621, expandindo sua cobertura de legendas autoritativas de duas fontes.

O model card do Anima confirma isso diretamente: "O modelo é treinado em tags estilo Danbooru, legendas em linguagem natural, e combinações de tags e legendas." Esse treino híbrido explica por que ambas abordagens funcionam: você pode escrever uma frase descritiva como "A girl in a cafe" seguida por tags Danbooru separadas por vírgula como 1girl, red hair, school uniform.

O site oficial do Illustrious XL descreve a mesma arquitetura: "Combinando Processamento de Linguagem Natural avançado com tags Danbooru estruturadas para entregar aderência a prompt impecável." O modelo aceita prompts híbridos sem problemas, interpretando tanto inglês quanto tags como sinal unificado. Illustrious XL

Para cobertura mais profunda do formato de legenda de treino do Anima, veja o guia de treino LoRA Anima.

Renomeação de tag Danbooru: anime screencap → anime screenshot

O wiki do Danbooru mostra que anime screenshot é a tag canônica atual. A tag histórica anime_screencap foi renomeada (aliased) para ela.

Essa renomeação importa para reconhecimento do modelo porque checkpoints treinados antes do alias podem responder apenas ao token legado. O model card do Anima lista a forma pós-rename anime screenshot como meta tag e não tem entrada para anime screencap, sugerindo que treinou após a renomeação (fonte 31037 nota "For Anima this tag is instead 'anime screenshot' due to a rename on Danbooru's end before that base model was trained.").

A documentação do Illustrious XL não confirma explicitamente qual grafia foi usada no treino. Se você mira especificamente o Illustrious, teste ambas formas — anime screenshot é mais seguro como tag canônica atual.

O prefixo de tag de artista: por que @ importa no Anima

Anima requer o prefixo @ para tags de artista. O model card declara explicitamente: "Prefix artist with @. E.g. '@big chungus'. You must put @ in front of the artist. The effect will be very weak if you don't." Anima model card

Isso não é apenas convenção; é requisito de tokenização. Anima treinou com tokens de artista prefixados por @, então o modelo não reconhece o padrão sem ele. Usar artist_name sozinho produzirá efeito de estilo mínimo ou nenhum comparado a @artist_name.

A comunidade também desenvolveu uma sintaxe de mistura: @[artist1|artist2|artist3] com pesos opcionais como @[artist1:4|artist2:3|artist3:2]. Esse atalho aparece em discussões de usuários como forma preferida de mesclar múltiplos estilos.

Sintaxe de peso de prompt do AUTOMATIC1111

Ambos modelos herdam prompt-weighting do Stable Diffusion web UI do AUTOMATIC1111. A sintaxe usa () para aumentar atenção e [] para diminuir:

• (palavra-chave) aumenta atenção nas palavras envolvidas
• ((palavra-chave)) aumenta atenção mais ainda (parênteses aninhados amplificam o efeito)
• [palavra-chave] diminui atenção nas palavras envolvidas
• [[palavra-chave]] diminui atenção mais ainda (colchetes aninhados amplificam a redução)

A palavra-chave BREAK também funciona como separador rígido de chunks, útil para prompts multi-conceito onde você quer processamento independente. AUTOMATIC1111 Stable Diffusion web UI Features

Testando se uma tag realmente registra

O model card do Anima revela insight chave: "O modelo foi treinado com random tag dropout. You don't need to include every single relevant tag for the image."

Isso significa que ausência de tag no seu prompt não prova que não está no vocabulário do modelo. Para testar registro:

1. Fixe a seed para eliminar variação estocástica
2. Mantenha todos os outros tokens constantes — só a tag candidata muda
3. Compare em um único eixo — a mudança de estilo é visível?

Por exemplo, para testar se flat color registra: gere com anime screenshot, flat color, 1girl na seed 12345, depois regenere com anime screenshot, 1girl na mesma seed. Qualquer diferença visível no sombreamento indica que a tag tem efeito. Veja o guia de ferramentas de captioning para boas práticas de gestão de seed ao rodar testes de ablação.

Construindo um atalho de estilo reutilizável

O catálogo de tags da comunidade recomenda sempre incluir tags de estilo nos dados de treino para evitar contaminação entre conceitos de estilo e personagem. Essa prática é crítica ao treinar LoRAs.

• Para LoRAs de estilo: Sempre marque o estilo (ex.: flat color, no lineart, pixel art) para que o modelo aprenda a associar esses tokens às características visuais.
• Para LoRAs de personagem: Inclua tags de estilo nos dados de treino, mas remova-as ao promptar a LoRA para não mesclar estilos acidentalmente. Veja o guia de gestão de biblioteca LoRA para convenções organizacionais ao armazenar múltiplas LoRAs de estilo.

Um atalho prático pode parecer com:

Style: anime screenshot, official art, flat color, no lineart
Artist mixing: @[artist1|artist2:2]
Quality: masterpiece, best quality, score_7

Esse formato mantém prompts organizados e facilita trocar estilos ou artistas sem reescrever prompts inteiros. Para limpeza de rosto e mão quando tags de estilo causam degradação, veja o guia de workflow fix-faces e Adetailer.

Tags de estilo comuns e seus efeitos

Baseado em testes da comunidade e documentação, estas tags têm efeitos documentados:

Tag | Efeito | Notas

|---|---|---|

anime screenshot | Visual anime de broadcast com atalhos de animação | Menor detalhe em iluminação; rostos/mãos em não-closeups podem precisar AddDetailer — Danbooru wiki official art | Estilo anime de maior qualidade com sombreamento melhor | Recomendado sobre screencap para a maioria das gerações — Guia NoobAI flat color | Imagens sem sombreamento dentro de blocos de cor | Funciona bem em geração; escolha de sampler afeta aplicação de sombreamento | reportado pela comunidade no lineart | Imagens sem contornos ou com linhas internas mínimas | Frequentemente usa sombreamento para separar formas | reportado pela comunidade chibi | Corpo pequeno, cabeça desproporcionalmente grande | Pode causar duplicação de personagem em modelos | reportado pela comunidade 3D, low poly, cel rendering | Visual CGI/cartoon poligonal | Dependente de checkpoint; requer tagging de treino dedicado | reportado pela comunidade photo (medium) | Frames live-action ou fotos de objetos artificiais | Distinto de photorealistic e realistic — Artigo Civitai realistic | Ilustração semi-realista (não foto) | Algo como Mona Lisa ou Norman Rockwell qualifica — Artigo Civitai

Tags de qualidade: score_9 até score_1

Anima usa tags de qualidade abstratas similares ao PonyV7: score_9 até score_1, onde números maiores indicam melhor qualidade. Essas funcionam como âncoras de qualidade em prompts.

O blog do NoobAI XL recomenda iniciar prompts com âncoras de qualidade, depois adicionar tags de personagem e artista para controle máximo. Essa ordem importa porque o modelo pondera tokens iniciais mais pesadamente.

Erros comuns e correções

Sintoma | Causa | Correção

|---|---|---

Tag de estilo sem efeito visível | Tag pode não estar no vocabulário de treino | Use teste de ablação controlada com seed fixa; se tag registra, ablação mostrará diferença Estilo de artista não muda | Prefixo @ faltando no Anima | Sempre prefixe tags de artista com @ anime screencap falha silenciosamente | Modelo treinado após renomeação Danbooru | Prefira anime screenshot que é a tag canônica atual Peso de prompt forte/forte demais | Usando tipo de colchete errado | () aumenta, [] diminui; ajuste profundidade de colchetes à intensidade desejada

FAQ

Renomear uma tag no Danbooru quebra reconhecimento do modelo entre checkpoints?

Sim, potencialmente. Modelos treinados antes da renomeação de tag podem responder apenas à grafia legada. Anima treinou após a renomeação anime screencap → anime screenshot, então provavelmente reconhece apenas a nova forma. Para máxima compatibilidade, use a tag canônica atual.

Qual a diferença entre realistic, photo (medium) e photorealistic em checkpoints anime?

photo (medium) captura fotografias reais ou frames de filme. photorealistic é ilustração projetada para parecer fotografia. realistic é ilustração semi-realista — pense Mona Lisa ou Norman Rockwell — com proporções realistas mas claramente ainda arte.

Como verifico se uma nova tag de estilo é realmente entendida pelo modelo?

Use ablação controlada: fixe a seed, mantenha todos os outros tokens constantes, remova a tag candidata e compare saídas. O tag dropout do Anima significa que tag ausente sozinha não prova não-reconhecimento.

Posso misturar múltiplos estilos de artista no Anima sem control nets?

Sim, usando o atalho da comunidade @[artist1|artist2|artist3] com pesos opcionais como @[artist1:4|artist2:3]. Essa sintaxe parece ser o método preferido, embora seu suporte oficial varie por versão do Anima.

Qual atalho reutilizável para tagging de LoRA de personagem vs estilo?

Sempre inclua tags de estilo nos dados de treino. Ao promptar uma LoRA de personagem, remova o atalho de estilo para evitar contaminação. Formato prático: Style: anime screenshot, flat color, no lineart | Artist: @[artist1|artist2:2] | Quality: masterpiece, score_7.

Por que Anima descarta algumas tags, e o que devo fazer sobre isso?

Dropout aleatório de tags durante treino torna o modelo robusto a tags ausentes na inferência. Porém, se uma tag não produz efeitos esperados, teste com ablação controlada. A maioria das tags com efeitos visuais claros (como flat color ou anime screenshot) registrará consistentemente.