Японский автор запустил Anima в ComfyUI и проверил, как модель рисует персонажа без референса и специальной LoRA. На RTX 5060 Ti с 16 ГБ видеопамяти кадр 832×1216 при 30 шагах занял около 26 секунд. В тесте интересно другое: как Anima реагирует на обычные фразы, а не только на привычные теги.
Автор хотел нарисовать свою героиню — девушку в белом халате — одними текстовыми подсказками. Для каждого условия он сохранял по три результата. Это практический тест на одном персонаже, а не бенчмарк моделей на одинаковых данных.
Anima в ComfyUI запускается из трёх файлов
Anima — модель на 2 млрд параметров от CircleStone Labs и Comfy Org. В тесте использовалась Anima Aesthetic v1.1. Автор выбрал её по популярным примерам на Civitai. Версию Aesthetic дополнительно обучили на отобранных качественных изображениях, чтобы сделать визуальный результат цельнее.
Для запуска нужны веса самой модели, текстовый энкодер Qwen и VAE. Автор использовал такой комплект:
- anima-aesthetic-v1.1.safetensors — основная модель, 4,18 ГБ, models/diffusion_models
- qwen_3_06b_base.safetensors — текстовый энкодер, 1,19 ГБ, models/text_encoders
- qwen_image_vae.safetensors — VAE, 254 МБ, models/vae
В ComfyUI есть готовый шаблон Anima. В нём три узла загружают нужные компоненты, но по умолчанию шаблон использует Base. Для теста автор заменил основную модель на Aesthetic. Тип в Load CLIP оставил stable_diffusion — как в исходном шаблоне.
На ПК автора стояла RTX 5060 Ti с 16 ГБ VRAM. При разрешении 832×1216 и 30 шагах генерация занимала около 26 секунд, а видеопамять использовала примерно 6,9 ГБ. Это замер на одной конфигурации, скорость на других картах может отличаться.
Короткий промпт передал одежду, но не возраст героини
Сначала автор использовал короткий промпт. Модель уловила серые волосы и белый халат, но все три результата показали взрослое лицо. Предметы и цвета Anima поняла, а вот нужный образ персонажа не сложился.
В популярных примерах автор заметил quality-теги masterpiece и best quality. В карточке модели также советовали начать с такого набора:
Промпт для Anima:
masterpiece, best quality, score_7, safeИз чего собран промт
- стильшедевр
masterpiece - стильлучшее качество
best quality - параметрыоценка качества 7
score_7 - параметрыбезопасный рейтинг контента
safe
Он на английском — вставлять его нужно без изменений в начало основного промпта.
Эти слова задают стартовые настройки качества, но почти не влияют на сходство с героиней. В японском тесте смена quality-тегов мало что изменила. Если персонаж получается не тот, лучше уточнить его черты, а не добавлять слова про качество.
Внешность проще собирать по деталям
Затем автор добавлял признаки по очереди. Сначала описал причёску: прямую чёлку, низкую косу и чёрный бант. Потом уточнил глаза и выражение лица — полуприкрытый взгляд, сонное настроение и румянец. Одежду и кадрирование добавил следом.
Заметнее всего образ изменился после тегов глаз и выражения лица. Героиня стала выглядеть моложе и соннее. Возле головы появились пузырьки, похожие на знак сна: похоже, модель связала их со словом sleepy. Когда автор описал одежду, в кадре появились халат, чёрная футболка, белые носки и чёрные лоферы.
- Сначала задайте причёску и аксессуары, по которым узнаётся персонаж.
- Затем уточните глаза и выражение лица. В этом тесте именно эти слова сильнее всего изменили впечатление от героини.
- После этого добавьте одежду и кадрирование.
- Проверяйте изменения по одной группе признаков и оставляйте остальные условия прежними.
Для своих персов такой подход удобен: собираете образ слоями, а не запихиваете весь дизайн в одну длинную строку. Так проще понять, какие слова модель учла, а какие пропустила.
Anima понимает теги и фразы, но фон зависит от связи слов
Автор сравнил три способа описать один образ: тегами, обычным английским текстом и смешанным вариантом. Для глаз во всех случаях использовалось одно слово — jitome, термин для прищуренного, полуприкрытого взгляда.
Лицо, коса, халат и лоферы получились похожими во всех трёх вариантах. Обычный текст не дал особого преимущества: знакомые теги сработали примерно так же. Но в некоторых текстовых и смешанных вариантах появился ракурс сверху. Автор его не задавал и не смог понять, откуда взялась такая композиция.
Разница яснее проявилась на фоне. Для одной сцены автор попросил gingham — фон в клетку. Вариант с тегом оставил фон однотонным, а фраза, прямо связывающая клетчатый рисунок с фоном, сработала во всех трёх генерациях. В другой сцене оба способа описания передали горошек, но в текстовом варианте он получился крупнее и заметнее.
Теги удобно использовать для отдельных объектов и свойств. Когда важна их связь, лучше назвать её прямо: например, «клетчатый фон». Это наблюдение по конкретному тесту, а не универсальное правило для всех промптов.
LoRA меняют рендер, но не всегда уточняют персонажа
Автор проверил две LoRA из популярных примеров. Aesthetic Quality Modifiers - Masterpiece v5.1 обучена на изображениях, которые автор LoRA оценил как masterpiece. Anima Detail Tweaker, или context_detailer, меняет количество мелких деталей. Силу обеих LoRA выставили на 1.0.
Первая сгладила тени, вторая добавила деталей волосам и складкам халата. Вместе они сделали заливку плотнее, но лицо и композиция почти не изменились. Автору образ героини больше понравился без LoRA. Детализация сама по себе сходство не гарантирует.
Сравнение с предыдущими генерациями на SD1.5 и Illustrious было приблизительным: автор использовал старые картинки, другие промпты и разные размеры. В той подборке Illustrious лучше совпал с привычными чертами героини — круглым лицом, румянцем и косой с чёрным бантом. Anima внимательнее прорисовала мелочи вроде банта и обуви. По наблюдению автора, Illustrious лучше откликался на отдельные теги, а Anima точнее передавала детали одежды.
«По ощущениям, пользоваться ей совсем не так, как прежними моделями; чтобы освоиться, нужно ещё поучиться», — пишет автор японского теста.
Turbo ускоряет генерацию примерно до четырёх секунд
В конце автор включил Turbo LoRA anima-turbo-lora-v0.2. Он оставил текстовую версию промпта и модель Aesthetic, но снизил число шагов до 8, а CFG — до 1. Сэмплер euler взял из шаблона ComfyUI. Один кадр занял около 4 секунд вместо 26.
Компромисс заметен: заливка стала мягче, а во всех трёх результатах героиня оказалась снята сверху. Основные черты персонажа сохранились. Turbo удобно использовать для черновых прогонов промпта, когда нужно быстро перебрать формулировки. Финальный кадр лучше оценивать отдельно: вместе со скоростью меняется и результат.
Если будете повторять тест, оставьте разрешение, шаги, CFG, сэмплер и seed неизменными, пока проверяете формулировки. Для основных сравнений в японском материале использовали 832×1216, er_sde, 30 шагов и CFG 4. На каждое условие генерировали по три изображения с seed 20261102–20261104. Картинки могут отличаться, зато так проще отследить, что именно повлияло на результат.
Anima передаёт детали образа, но не закрепляет стиль словами
Главное ограничение теста: автору не удалось добиться нужной мягкой, округлой манеры рисунка одними словами. Дальше он планирует обучить собственную LoRA для персонажа. С волосами, одеждой и выражением лица текст помог, а желаемый стиль остался отдельной задачей.
Для локального старта откройте шаблон ComfyUI, проверьте все три файла и собирайте базовый образ короткими блоками. Обычный текст особенно пригодился автору, когда нужно было задать узор фона. А Turbo оставьте для быстрых черновиков: четыре секунды экономят время, но композиция тоже может измениться.
Если планируете коммерческое использование, проверьте лицензию именно той версии, которую скачиваете. В обсуждении на Hugging Face разработчик приложения Siliconed gwenn-ha-dev отдельно пишет: приложение распространяется по Apache-2.0, а лицензия самой модели Anima Turbo от CircleStone Labs — Non-Commercial. Это замечание касается Turbo. Для других версий Anima проверьте лицензию в карточке модели.
Источники
Running Anima Turbo v1.1 natively on Mac (Swift/Metal, no Python)
Источникnote.com
