Treinamento LoRA Anima: Configurações e Setup Local
Como configurar o Anima para geração de imagens, escolher o sampler certo e treinar uma LoRA localmente com configurações verificadas.
On this page
Treinamento LoRA Anima: Configurações, Samplers e Setup Local
TL;DR
- HuggingFace — Anima é um modelo de difusão texto-para-imagem focado em anime, suporte a Danbooru tags e natural language captions; geração 30-50 steps CFG 4-5, resolução 512²-1536².
- Civitai — página do modelo no Civitai, modelo de texto-para-imagem voltado a conjuntos, personagens e estilos anime.
Treine LoRAs no Anima-Base usando kohya-ss/sd-scripts ou um treinador GUI local, começando com learning rate de 2e-5 para rank 32, e nunca treine o adapter LLM.
O que é o Anima
Anima é um modelo de difusão texto-para-imagem focado em conceitos, personagens e estilos de anime. O modelo usa a Licença Não-Comercial da CircleStone Labs para uso não-comercial; imagens geradas podem ser usadas comercialmente. Anima não performa bem em realismo; isso é por design.
O modelo é entregue como três arquivos separados para ComfyUI: o modelo de difusão em models/diffusion_models, um text encoder Qwen3 0.6B em models/text_encoders, e uma VAE Qwen-Image em models/vae. A VAE Qwen-Image é de 16 canais e cuida da decodificação de imagem. Anima é um derivado do NVIDIA Cosmos-Predict2-2B-Text2Image e está sujeito ao NVIDIA Open Model License Agreement for Derivative Models.
O dataset de treinamento cobre vários milhões de imagens de anime e cerca de 800 mil imagens artísticas não-anime de fontes incluindo Danbooru, Gelbooru, DeviantArt e LAION-POP, sem dados sintéticos. O cutoff dos dados de treino de anime é setembro de 2025.
Configurações de Geração que Funcionam
Anima opera em resoluções entre 512² e 1536² pixels. O intervalo recomendado é 30-50 passos de denoising com escala CFG de 4-5. Tags de qualidade melhoram resultados: use um prefixo positivo de masterpiece, best quality, score_7, safe, e um prompt negativo de worst quality, low quality, score_1, score_2, score_3, artist name, blurry, jpeg artifacts, chromatic aberration.
O modelo foi treinado com tags estilo Danbooru, legendas em linguagem natural e combinações de ambos. Ao usar tags, coloque-as nesta ordem: tags de qualidade e meta primeiro, depois tags de assunto (1girl/1boy), personagem, série, artista e tags gerais. Tags de artista devem ter prefixo @, sem o qual o efeito é muito fraco. O modelo foi treinado com dropout aleatório de tags, então você não precisa incluir toda tag relevante na inferência.
| Configuração | Valor | Fonte |
|---|---|---|
| Intervalo de resolução | 512² a 1536² pixels | HuggingFace model card |
| Passos | 30-50 | HuggingFace model card |
| Escala CFG | 4-5 | HuggingFace model card |
| Prefixo positivo | "masterpiece, best quality, score_7, safe, " | HuggingFace model card |
| Prefixo negativo | "worst quality, low quality, score_1, score_2, score_3, artist name, blurry, jpeg artifacts, chromatic aberration" | HuggingFace model card |
| Arquivos do modelo | modelo de difusão + text encoder + VAE | HuggingFace model card |
Samplers e Schedulers
Um scheduler beta57 (disponível pelo pacote de custom nodes ComfyUI RES4LYF) pode melhorar qualidade de textura para um visual realista ou painterly. As diferenças de comportamento entre schedulers KL Optimal, FlowMatchEulerDiscrete, Beta e SGM Uniform não estão documentadas em fontes oficiais. Para orientação geral de samplers, veja guia de samplers e schedulers.
| Sampler | Estilo | Quando usar | Fonte |
|---|---|---|---|
er_sde | Neutro, cores chapadas, linhas nítidas | Default razoável | HuggingFace model card |
euler_a | Mais suave, linhas finas, sensação 2.5D | Quando CFG pode ser maior | HuggingFace model card |
dpmpp_2m_sde_gpu | Mais variedade, criativo | Quando quer liberdade criativa | HuggingFace model card |
euler | Básico, levemente criativo | Para versões Turbo e Aesthetic | HuggingFace model card |
| beta57 (scheduler) | Texturas melhores, painterly | Via pack custom node RES4LYF | HuggingFace model card |
Escolhendo Entre Versões do Anima
Anima vem em três lançamentos. Anima-Base é o modelo base pré-treinado, não-refinado, e oferece flexibilidade, diversidade e aderência de estilo máximas. LoRAs devem ser treinadas usando esta versão. Anima-Aesthetic é afinado para melhor consistência e estilo artístico padrão de maior qualidade, com tags de qualidade removidas das legendas — você não precisa de tags de qualidade no prompt positivo ao usá-lo, embora masterpiece, best quality, seja seguro manter. Anima-Turbo é uma versão destilada para geração rápida em CFG 1 com 8-12 passos; é ligeiramente pior que Aesthetic em média mas muito mais rápido e barato, e o processo de destilação também aumenta estabilidade.
| Versão | Melhor para | Pontos fortes | Pontos fracos | Fonte |
|---|---|---|---|---|
| Anima-Base | Treino LoRA, flexibilidade máxima | Maior amplitude criativa, base não-refinada | Estilo padrão simples sem tags de artista ou qualidade | HuggingFace model card |
| Anima-Aesthetic | Saídas padrão de alta qualidade | Consistente, alta qualidade out of the box | Diversidade reduzida pelo tuning estético | HuggingFace model card |
| Anima-Turbo | Iteração rápida, custo menor | 8-12 passos em CFG 1, rápido e barato | Qualidade ligeiramente menor que Aesthetic em média | HuggingFace model card |
Treinar um adapter LoRA para Anima requer setup local ou notebook na nuvem. O Anima Standalone Trainer tem requisitos Python 3.10+, CUDA 12.1+ e roda em Windows e Linux. Dois caminhos principais existem: um treinador standalone com interface gráfica, ou um notebook Google Colab.
Treinador GUI Local
O CitronLegacy Anima LoRA Trainer UI fornece uma interface gráfica local para treinamento. Requer Python 3.10+, PyTorch 2.6+ e CUDA 12.4+ (CUDA 11.8 pode funcionar mas não é garantido). O treinador roda com menos de 6 GB VRAM nas configurações padrão (dimensão 20, resolução 768).
Notebook Colab
O treinador Colab CitronLegacy é um notebook Google Colab que automatiza o pipeline. Ele instala sd-scripts, baixa os três arquivos do modelo Anima (~5.6 GB total), gera arquivos de configuração TOML e inicia treinamento via accelerate. Inclui estimador de passos, output em streaming ao vivo e integração Google Drive para que outputs sobrevivam a resets de sessão. Em GPU T4 de tier gratuito, 1000 passos de treino levam mais de 4 horas.
Boas Práticas de Treinamento
Comece com learning rate de 2e-5 para rank 32 e ajuste a partir daí. O modelo base Anima não tem tuning estético agressivo ou RLHF a superar, e contém vasto conhecimento visual, então um toque leve de treino é o suficiente.
Não treine o adapter LLM. O adapter processa embeddings de texto antes de chegar ao modelo de difusão e portanto tem influência desproporcional nas imagens geradas. Contém quantidade surpreendente de conhecimento e degrada facilmente quando treinado. Defina llm_adapter_lr como 0 no seu script de treino; a maioria dos treinadores incluindo sd-scripts suporta esta opção.
| Hiperparâmetro | Default | Notas | Fonte |
|---|---|---|---|
network_dim | 20 | Rank LoRA; valores menores (ex.: 8) usam menos VRAM | CitronLegacy Colab README |
network_alpha | 20 | Geralmente igual a network_dim | CitronLegacy Colab README |
learning_rate | 0.0001 | Reduza se vir loss NaN | CitronLegacy Colab README |
max_train_epochs | 10 | Mantenha baixo para ficar abaixo de 1000 passos totais | CitronLegacy Colab README |
resolution | 768 | Reduza para 512 em erros de memória | CitronLegacy Colab README |
repeats | 5 | Imagens × repeats = passos por época | CitronLegacy Colab README |
caption_dropout | 0.1 | Probabilidade de dropar legenda durante treino | CitronLegacy Colab README |
Para o Anima Standalone Trainer, os requisitos são Python 3.10+, CUDA 12.1+, e roda em Windows e Linux.
Erros Comuns e Correções
| Sintoma | Causa | Correção | Fonte |
|---|---|---|---|
| CUDA out of memory | Configurações padrão excedem VRAM disponível | Reduza network_dim para 8 e/ou resolution para 512 | CitronLegacy Colab README |
| Loss NaN | Learning rate alto demais | Reduza learning_rate; garanta PyTorch ≥ 2.5 | CitronLegacy Colab README |
| "No images found" | Formato de arquivo de legenda ou nome de arquivo incompatível | Garanta que arquivos de legenda terminem em .txt e nomes de imagem não | CitronLegacy Colab README |
| Colab desconecta no meio | Timeout de sessão excede limite de runtime | Mantenha total de passos abaixo de 1000; use Google Drive para checkpoints | CitronLegacy Colab README |
| Modelos faltando no re-run | /content/ reseta cada sessão Colab | Re-execute a célula Setup, ou monte Google Drive | CitronLegacy Colab README |
| LoRA tem efeito fraco de estilo de artista | Prefixo @ faltando em tag de artista no prompt | Sempre prefixe tags de artista com @ | HuggingFace model card |
| LoRA degrada output do modelo | Adapter LLM foi treinado junto com LoRA | Defina llm_adapter_lr como 0 para desabilitar treino do adapter | HuggingFace model card |
FAQ
Quantas imagens preciso para treinar uma LoRA Anima? Não há resposta única. Treinadores da comunidade reportaram resultados utilizáveis com apenas algumas imagens para LoRAs de personagem, enquanto datasets maiores de 30-100 imagens fornecem mais variedade. Foque em qualidade sobre quantidade.
Qual learning rate devo usar para treino LoRA Anima? O ponto de partida recomendado é 2e-5 para uma LoRA rank 32. Ajuste a partir daí baseado nos resultados. Mantenha learning_rate em 0.0001 (1e-4) para a maioria dos pipelines baseados em sd-scripts como default.
Por que não devo treinar o adapter LLM no Anima? O adapter LLM processa embeddings de texto antes de chegar ao modelo de difusão e portanto tem influência desproporcional nas imagens geradas. Degrada facilmente quando treinado junto com uma LoRA. Defina llm_adapter_lr como 0 para desabilitar seu treino completamente.
Qual resolução o Anima suporta? Anima funciona em resoluções entre 512² e 1536² pixels. A resolução padrão de treino no treinador Colab é 768, que pode ser reduzida para 512 se você encontrar erros de memória.
Como formatar prompts para Anima? Anima aceita tags estilo Danbooru, legendas em linguagem natural ou combinação de ambos. Use minúsculas para tags com espaços em vez de underscores (tags score_* usam underscores). Prefixe nomes de artistas com @. Ordene tags como: qualidade/meta/segurança, assunto, personagem, série, artista, tags gerais.
Qual o requisito de VRAM para treinar LoRA Anima localmente? O treinador UI CitronLegacy roda com menos de 6 GB VRAM nas configurações padrão (dim=20, res=768). Reduza para dim=8 e/ou res=512 para baixar uso de VRAM ainda mais. O Anima Standalone Trainer requer CUDA 12.1+.