Anima Reference Adapter (v2)
参照画像からキャラクターと画風を、プロンプトからポーズ・場所・構図を。
Anima に参照画像1枚と、シーンだけを書いたプロンプトを渡すと、 アダプターは誰を描くか（髪、目、衣装、アクセサリー）と、どう描くかの多くを参照画像から取り込みます。 ポーズ、背景、構図はプロンプトに従います。 キャラクター名や絵師・衣装のタグは不要なので、オリジナル キャラクターにも使えます。参照画像を2枚並べれば、2人のキャラクターを1枚に描けます。
通常の LoRA ではありません。 ElectronGirl/ComfyUI-Anima-Ref-Adapter の Anima Ref Adapter ノードが必要です。
資金不足のため開発を休止しています。 現在は追加の学習ができず、予定していたキャラクターと画風を 別々に指定する参照機能は公開できていません。学習コード、データ生成コード、実験記録は anima-ref-adapter-research で公開しています。追加学習の支援は Ko-fi からお願いします。
v2 の新機能
| ⚡ パイロット版の約2倍の速さ | RTX PRO 6000 ではサンプリング1ステップあたり 2.1 倍速くなりました。RTX 3060 Ti では 832x1216 の画像1枚が 105 秒から 65 秒になり、参照画像による追加時間は 72 秒から 32 秒に減りました。参照画像の KV を毎ステップ計算し直さず、画像ごとに1回だけ計算してキャッシュします。 |
| 🧩 ノード1つ | Anima Ref Adapter ノードを Anima の標準ワークフローに1つ加えるだけで、KSampler をはじめどのサンプラーでも動きます。重みは初回実行時に自動でダウンロードされます。 |
| 👥 2人のキャラクター | 参照画像を2枚並べ、プロンプトにどちらが誰かを書くだけです。 |
| 📚 より多くの学習データ | キャラクター 2,300 人、絵師の画風 1,952 種、画像 15,600 枚で学習しました（パイロット版: 画像 3,600 枚、キャラクター 300 人）。rank 64 です。 |
ショーケース
ノード1つのワークフロー を Anima の標準設定で実行した結果です: er_sde、30 steps、
cfg 4.5、ref_guidance 4.5 + APG、プロンプトは masterpiece, best quality, score_7, safe, 1girl, solo, <シーン>、ネガティブプロンプトは Anima の
モデルカードのものです。ほかの LoRA は使っていません。各画像はシード1つだけで、選別していません。ただし
横になったポーズだけは6枚の中から最も良いものを選びました。
参照画像1枚
cowboy shot, sitting, cafe, holding cup, coffee, smile, looking at viewer, indoors, window, day · full body, lying, on side, on bed, head rest, looking at viewer, smile, bedroom, indoors, night, lamp light
full body, flying, from below, sky, clouds, sunlight, dynamic pose, outstretched arm · sitting, on floor, hugging own legs, sleepy, hangar, indoors, dim lighting
cowboy shot, beach, ocean, sunset, wind, hand on own hat, sun hat, smile, looking back · upper body, sitting, poolside, legs in water, splashing, laughing, day
2人のキャラクター
参照画像2枚を1枚に横並びでつなぎ（標準の Image Stitch ノード）、左と右がそれぞれ誰かを短く書きます。
solo の代わりに 2girls や 1boy, 1girl を使い、横長のサイズにします。ワークフロー。
2girls, the girl on the left is a policewoman with black hair over one eye, the girl on the right is a mecha girl with aqua hair and mechanical wings, standing side by side, peace sign, smile, city, street, day
2girls, the girl on the left is a policewoman with black hair over one eye, the girl on the right is a girl with short black hair in a blue frilled bikini, sitting together on a bench, eating ice cream, park, day
2girls, the girl on the left is a mecha girl with aqua hair and mechanical wings, the girl on the right is a girl with short black hair in a blue frilled bikini, high five, beach, ocean, day
クイックスタート
cd ComfyUI/custom_nodes
git clone https://github.com/ElectronGirl/ComfyUI-Anima-Ref-Adapter.git
- Anima base v1.0、Qwen3-0.6B テキストエンコーダー、Qwen-Image VAE を circlestone-labs/Anima から入手します。Anima を使うときと同じです。
- ComfyUI を再起動し、
workflows/anima_ref_adapter.jsonを開きます。Anima の text-to-image ワークフローにノードを1つ加えたもので、ほかのカスタムノードは不要です。 - 参照画像を読み込み、シーンだけを書いたプロンプトを入力して実行します。初回は
anima_ref_adapter_v2_r64.safetensors（183MB）を Hugging Face からComfyUI/models/loras/にダウンロードします。手動で入れる場合は このファイル を同じフォルダに置いてください。
自作のワークフローでは、Anima Ref Adapter をモデル（ほかの LoRA の後）とサンプラーの間に置き、VAE と 参照画像をつなぎます。
プロンプトの書き方、設定、トラブルシューティングまで順に説明した 使い方ガイド があります。
速度と互換性
RTX 3060 Ti 8GB（fp16）、832x1216、参照画像1枚、2回測った速いほう:
| 設定 | 画像1枚 |
|---|---|
| Anima base、er_sde 30 steps、cfg 4.5、参照画像なし | 33 秒 |
+ パイロット版アダプター、ref_guidance 4.5 |
105 秒 |
+ v2 アダプター、ref_guidance 4.5 |
65-67 秒 |
ref_guidance 1（追加のモデル呼び出しなし） |
50 秒 |
| + SageAttention（KJNodes Patch Sage Attention） | 62 秒 |
| + EasyCache（標準ノード） | 63 秒 |
ref_end 0.6 |
62 秒 |
turbo LoRA（strength 1）、10 steps、cfg 1、ref_guidance 1 |
11 秒 |
- SageAttention、EasyCache、
ref_end0.6 は、この GPU でそれぞれ約7%速くなり、画像はほぼ同じです。 - Anima base 用の turbo LoRA（検証したファイル:
anima-turbo-lora-v0.2）はアダプターの前に置きます。キャラクターは 保たれますが、絵が turbo 特有の画風に寄るため、参照画像の画風は反映されにくくなります。 - 未検証: Anima-Turbo・Anima-Aesthetic の完全なモデル、SamplerSPEED、torch.compile。
turbo LoRA で作ったショーケース全体（10 steps、cfg 1）
推奨設定
| 推奨値 | 説明 | |
|---|---|---|
| ベースモデル | Anima base v1.0 | アダプターはこのモデルで学習しました。turbo LoRA も動作します。 |
| サンプラー | 何でも可。er_sde か Euler、30 steps、simple |
アダプターなしで Anima を使うときと同じです。 |
cfg |
4.5 | テキストのガイダンスです。turbo LoRA を使うときは 1 です。 |
ref_guidance |
4.5 | 1 は速いが弱く、高いほどキャラクターの細部と画風が強くなり、彩度も上がります。 |
correction |
apg |
または rescale |
ref_end |
1.0 | 0.6 前後でほぼ同じ画像をより速く得られます。 |
| プロンプト | 品質 + 1girl/1boy + solo + シーンのタグ |
キャラクター名、絵師タグ、外見のタグは入れません。外見のタグが少しなら問題ありません。 |
| ほかの LoRA | アダプターノードの前 |
仕組み
参照画像のトークンは自分自身だけを見てテキストの cross-attention を飛ばし、生成中の画像のトークンは自分自身と 参照画像の両方を見るように学習しています（非対称 attention）。そのため参照画像側の計算はステップ、プロンプト、 CFG の分岐に依存せず、ブロックごとの key/value を画像1枚につき1回だけ計算して再利用します。参照画像は生成画像の 格子の外側にずらした RoPE 座標に置かれるため、ポーズをそのまま写さず、外見として読み取られます。詳しくは English README と 技術レポート（パイロット版）をご覧ください。
パイロット版（v1）
パイロット版（anima_ref_adapter_pilot_r32.safetensors、rank 32）も引き続きダウンロードでき、
advanced ワークフロー で使えます。パイロット版のギャラリーと、学習から除外した
キャラクターの結果は English README にあります。
制限
- キャラクターは画風よりずっとよく再現されます。筆致の強い画風はほとんど再現されません。
- 小さな模様、傷、イヤリング、珍しい肌の色は抜けやすく、大きな衣装は色が変わることがあります。
- 参照キャラクターがシーンの中に物（ポスターなど）として再登場することがあります。
- Anima が生成した画像だけで学習しているため、ベースモデルの偏りをそのまま受け継いでいます。
絵師名はデータ生成用のタグとしてのみ使いました。絵師を尊重してください。模倣した絵をその絵師の作品として公開せず、LICENSE.md 第4条の利用制限を守ってください。
ロードマップ
| 参照画像1枚からキャラクターと画風 | ✅ パイロット版、v2 |
| 参照画像をキャッシュする非対称 attention | ✅ v2 |
| 参照画像2枚を並べて2人のキャラクター | ✅ v2 |
| キャラクターと画風を別々に指定する参照 | ⏸️ 休止（実験のみ） |
| 高解像度での学習、筆致の強い画風と細部の改善 | ⏸️ 休止 |
支援
資金不足のため開発を休止しています。このアダプターが役に立ったら、**Ko-fi** から追加学習（より長い学習、キャラクターと画風を別々に指定する参照）を支援できます。
ライセンス
非商用です。 この重みは CircleStone Model（Anima base v1.0）を改変した派生物で、CircleStone Non-Commercial License（LICENSE.md、NOTICE.txt）のもとで配布しています。独立したプロジェクトであり、 CircleStone Labs の公式製品ではなく、CircleStone Labs の保証も受けていません。法的な効力は英語の原文にあります。