realstyle — Anima Base LoRA

使用 Anima Base v1.0 和 lora-scripts-next 训练的风格 LoRA。数据集为 ACCC1380/realstyle，共 882 张图片。

触发词：realstyle

模型文件

• realstyle_anima.safetensors：第 30 轮最终 LoRA，约 44 MiB。
• realstyle_anima-000001.safetensors 至 realstyle_anima-000030.safetensors：完整保留每一轮权重；第 30 轮文件与最终 LoRA 内容相同。
• realstyle_anima-000028-state/、realstyle_anima-000029-state/ 和 realstyle_anima-state/：最近两轮与最终训练状态，用于恢复训练。

在支持 Anima 的推理工具中，将 LoRA 与匹配的 Anima 基础模型一起加载，并在提示词中加入 realstyle。此仓库保留了所有轮次供比较；第 30 轮是训练完成时的版本，尚未通过出图对比评选最佳轮次。

训练参数

参数	设置
底模	anima-base-v1.0.safetensors
训练器	lora-scripts-next，标准 Anima CLI / sd-scripts 后端
轮数 / 步数	30 / 13,230
每轮步数 / repeats	441 / 1
Batch size / 梯度累积	2 / 1
梯度检查点	关闭
优化器	AdamW
学习率 / 调度器	1e-4 / constant
LoRA rank / alpha	16 / 16
混合精度 / 保存精度	BF16 / BF16
训练范围	DiT LoRA
分辨率	1024 目标面积，832×1216 与 1216×832 分桶
Attention	SDPA
时间步采样 / shift / weighting	shift / 3.0 / uniform
Seed	42
缓存	图像 latent 和文本编码结果均缓存到磁盘

全部 30 轮在 batch size 2 下完成。最终 840 个张量已检查，无 NaN 或 Inf；逐轮文件已核对轮数、步数及优化器等配置。未做推理图像质量评估。

自动打标

使用 PixAI Tagger v1.0 为全部 882 张图片打标，平均每张约 69 个标签。阈值如下：

类别	阈值
General	0.14
Character	0.24
Copyright	0.21
Style	0.13
Meta	0.15
Rating	0.41

训练标签统一加入 realstyle。原始预测及分数均已归档；Style 类别中的画师猜测不作为训练标签，Meta 类别保留描述图像的选定标签。标签中的下划线转换为空格。全部标签在 Qwen3 和 T5 tokenizer 下均未超过 512 tokens。

训练记录与复现资料

• train.toml、train-sd-scripts.toml、dataset.toml：训练及数据配置。
• captions-and-tags.zip：全部文本标签和原始 PixAI 预测。
• tagging-report.json、caption-token-stats.json：图片清单、哈希、打标和 token 统计。
• epochs.jsonl、training-attempt-1.log、logs/：逐轮 loss、完整训练日志及 TensorBoard 事件。
• run-result.json、provenance.json、trainer-revision.txt、environment.txt：完成记录及版本信息。
• upload-manifest.json：仓库文件的大小与 SHA-256 清单。

配置文件记录了训练容器中的原始绝对路径；在其他环境恢复训练时，需要调整模型、数据与输出路径。

基础模型许可与归属

本 LoRA 是经过训练修改的 CircleStone Model 衍生模型。底模许可文件见 LICENSE.md，归属与修改声明见 NOTICE.txt。相关使用权由 CircleStone Labs LLC 按所附许可直接授予使用者。