Gazingstars123/Anima-2.9B · Hugging Face

Source: https://huggingface.co/Gazingstars123/Anima-2.9B 状态：训练进行中。

下一步：在涵盖多种概念的通用 1000 万样本上进行预训练，以提升提示词理解能力，同时大幅扩展主要动漫/插画数据集（我会尽可能及时更新知识）。

如果你想支持我或支持训练进度：

Ko-fi (https://ko-fi.com/gazingstars)PayPal (https://paypal.me/gazingstars123)

Vast.ai：[email protected]

每一份支持都能进一步扩展模型的规模和能力！

你需要将 ComfyUI-Anima-2.9B (https://github.com/gazingstars123/ComfyUI-Anima-2.9B) 安装到自定义节点文件夹中。即插即用，无需自定义节点。有时可能与其他自定义节点不兼容。

拼贴图 (https://cdn-uploads.huggingface.co/production/uploads/682a768a0999de002b2d8b38/3NZevNk7yiPceA2SWJZEW.jpeg)

https://huggingface.co/Gazingstars123/Anima-2.9B#overview 概述

Anima-2.9B 是 circlestone-labs/Anima (https://huggingface.co/circlestone-labs/Anima) 的微调和层扩展版本。基础 Anima 模型面向动漫、插画和非写实艺术；此版本在扩展架构的基础上继续训练。该模型额外使用 170 万（1.7M）个动漫/插画样本进行训练，知识截止日期为 2026 年 7 月，使 Anima-2.9B 成为发布时最新的动漫/插画模型之一。

https://huggingface.co/Gazingstars123/Anima-2.9B#versions 版本

• Anima-2.9B-preview-v1：初始版本

https://huggingface.co/Gazingstars123/Anima-2.9B#trainingdataset 训练/数据集

• 使用 Muon 优化器在 8x 5080s 集群上进行训练，较早的训练步骤在我的 PC 本地完成
• 截至 preview v1，仅训练了新添加的层，约 70% 的计算量用于 1024px 分辨率
• 知识截止日期为 2026 年 7 月，训练数据包含 2025 年 9 月之前的新旧样本
• 混合标注，包括标签和自然语言，混合使用了 Gemini 3.1 Flash-Lite、Gemini 3.5 Flash-Lite 和 Claude Sonnet 5
• 无评分标签

https://huggingface.co/Gazingstars123/Anima-2.9B#architecture 架构

• Transformer 深度扩展：从 28 层 Transformer 扩展到 40 层，模型参数增至约 29 亿（~2.9B）。每添加一个新层，都通过深拷贝相邻层的权重，并使用输出投影置零的交错插入方式，使新模型在初始化时与 Anima-base 在功能上完全一致。

https://huggingface.co/Gazingstars123/Anima-2.9B#prompting-tips 提示词建议：

遵循 Anima 的提示词建议：质量标签、年份/时期标签、@画师标签、角色数量（1girl、1boy）、角色标签（遵循 Danbooru 和 Gelbooru 标签）、系列/版权、基础外观。

角色名称/标签应与系列/版权标签搭配使用，否则模型可能会混淆。

对于多角色图像，请将角色和名称与其各自的标签/外观对应起来。

该模型确实略微改善了基础画风，但我仍然建议使用画师标签。

数据集的标注中不包含评分，但你仍然可以使用它们。

（重要）提示词越详细越好，简短的提示词通常会生成平淡简单的背景，并且可能无法产生预期的效果。

https://huggingface.co/Gazingstars123/Anima-2.9B#generation-recommendation 生成（推荐）

• 采样器：Euler/Res-multistep/Er-sde
• 调度器：sgm-uniform/beta/beta57/linear-quadratic
• 分辨率：812x1216、1152x1536、1536x1536（不太稳定）
• 步数：28-50
• CFG：3.5-5

我个人使用的是euler + sgm-uniform，它在构图和细节之间取得了很好的平衡。此外，res-multistep + linear-quadratic 在高噪声步数上花费更多时间，确实能带来明显更好的构图。我推荐 50 步以获得最高质量，有些图像 3.5 CFG 比 5 CFG 效果更好，反之亦然。自己试试吧！

https://huggingface.co/Gazingstars123/Anima-2.9B#to-do 待办：

LoRA 训练将在几天内通过我的 Anima Standalone Trainer (https://github.com/gazingstars123/Anima-Standalone-Trainer) 获得支持。

https://huggingface.co/Gazingstars123/Anima-2.9B#license 许可

模型权重根据 CircleStone Labs 非商业许可 (https://huggingface.co/circlestone-labs/Anima/blob/main/LICENSE.md) 发布，属于衍生模型类别。

https://huggingface.co/Gazingstars123/Anima-2.9B#acknowledgements 致谢

基于 nvidia/Cosmos-Predict2-2B-Text2Image (https://huggingface.co/nvidia/Cosmos-Predict2-2B-Text2Image) 和 circlestone-labs/Anima (https://huggingface.co/circlestone-labs/Anima) 构建。

LLaMA Pro：通过块扩展实现的渐进式 LLaMA (https://arxiv.org/abs/2401.02415)。

训练基础设施基于 sd-scripts (https://github.com/kohya-ss/sd-scripts) 构建。