Anima: lätt, snabb, lite busig

Q: Övermättade färger, hårda konturer, utbrända högdagrar

CFG är för högt; över ungefär 10 bränner Anima ut sig. Sänk CFG till 4 till 5.

Q: Text i bilden är oläslig

Textåtergivningen är svag enligt dagens standard. Håll text på bilden till ett eller två ord eller lägg till text i efterredigering.

Ämne: Modeller

Av Chris Green

Publicerad 26 sep 2026

Översikt

Anima är en text-till-bild-modell skapad av ComfyUI tillsammans med CircleStone Labs, ett AI-startup. Den dök upp genom några förhandsversioner och en v1-basmodell utan mycket uppståndelse. Det viktiga är att det inte är en fotorealistisk modell: release-noterna säger att den tränades på flera miljoner animebilder och runt 800 tusen icke-anime konstnärliga bilder, utan syntetisk data, och att anime-träningsdata slutar i september 2025.

Resultatet är en öppen källkod, kompakt modell med 2 miljarder parametrar byggd från grunden för anime, manga, illustration och konstnärlig konceptkonst, ett område som SDXL och dess finjusteringar som Illustrious och Pony har dominerat. Den är byggd för det ändamålet och ger renare linjer, bättre animeanatomi, mer konsekvent karaktärsgengivning och mindre oavsiktlig realism.

Jämfört med SDXL: SDXL är en äldre UNet med CLIP-textkodare; Anima är en lättvikts-transformer byggd på en strömlinjeformad version av NVIDIAs Cosmos-arkitektur. Anima läser prompts via en Qwen-språkadapter, så den förstår naturligt språk och följer prompts bra, samtidigt som den stöder Danbooru-taggar. Dess 16-kanals VAE (SDXL har 4) ger bättre belysning, komposition och bakgrundsdetaljer. Eftersom det är en flow-matching-modell är den långsammare än mycket optimerade SDXL-checkpoints på konsument-GPU:er, men ändå väldigt snabb jämfört med tunga fotorealistiska modeller som Qwen och Flux. SDXL har ett stort ekosystem av finjusteringar och LoRAs och SDXL LoRAs är inte kompatibla, men nya Anima LoRAs dyker upp hela tiden. SDXL:s baslicens är kommersiellt tillåtande; Animas är mer restriktiv och riktad mot personliga hobbyprojekt.

I användning: textåtergivning är svag enligt dagens standard, bäst att hålla till ett eller två ord. Promptföljsamheten är bra men inte på Qwen Image- eller Flux.2-nivå; Anima gör nästan uppror mot för restriktiva prompts och fungerar mycket bättre med en lös guide och utrymme för kreativitet. Den är starkast på anime, men med rätt prompt och taggar gör den också akvarell, skisser, 3D, olja och ganska abstrakta bilder, och LoRAs tar det ännu längre. Räkna med att variera prompt, seed och sampler över några generationer innan du hittar rätt. Med basmodellen bara ett par veckor gammal förväntas finjusteringar och LoRAs mångfaldigas under de kommande månaderna.

Referens

Namn	Typ	Vad det är
Model	file	Basmodellen v1 (och de tidigare förhandsversionerna) från Hugging Face, bara 4 GB.
Text encoder	file	Qwen3 textkodaren med 0.6 miljarder parametrar (1.2 GB), från samma Hugging Face-sida.
VAE	file	Qwen Image VAE från Hugging Face; du har den redan om du använder Qwen Image-modellerna.
VRAM	hardware	Officiellt 8 GB; användare rapporterar att 6 GB fungerar. På ett 16 GB-kort använder den vanligtvis bara ungefär hälften.
Resolution	setting	Den officiella dokumentationen föreslår 1 till 2 megapixlar. 1:1, 3:4, 4:5 och 16:9 fungerar alla; upp till 1536x1536 fungerar bra men kvaliteten är lite bättre och mer konsekvent lite lägre.
Steps	setting	30 till 50 föreslås för basmodellen; 40 eller mer ger bäst kvalitet, 30 kan fortfarande vara bra beroende på sampler. En tidig Turbo LoRA sänker det till 8 till 12 steg, med lite konstig komprimering av lemlängder på vissa ställen.
CFG	setting	4 till 5. Anima ger renare resultat med lägre vägledning; över ungefär 10 blir färgerna övermättade med hårda konturer och utbrända högdagrar.
Sampler / scheduler	setting	er_sde med simple är en bra standard (skarpa linjer, platt anime-färgning, konsekvent). Euler A: mjukare linjer, mer måleriskt, lite 2.5D, bra för karaktärskonst och omslag. DPM++ 2M SDE GPU: mer variation och rikare kompositioner, oförutsägbar med komplexa prompts. Standard KSampler; ClownShark-samplern har inte gett bra resultat hittills.
Negative prompt	prompt	Stöds. Använd den för att styra bort från stilar som "photorealistic" och för vanliga taggar: blurry, low resolution, oversaturated, watermark, messy typography, distorted anatomy, overexposed highlights, bad hands, malformed hands.
Safety tags	prompt	Anima är ganska ocensurerad och kan producera oönskat innehåll från korta eller vaga prompts. Lägg till safe, sensitive, nsfw eller explicit i den positiva eller negativa prompten vid behov, särskilt när du återanvänder korta Danbooru-stil prompts.
@artist	prompt	Artistreferenstaggar måste föregås av @-symbolen och placeras helst i början av prompten. Anima Style Explorer listar ungefär 60 000 artiststilar från träningsdata.

Steg för steg

Ladda de tre filerna i ComfyUI: Anima-basmodellen, Qwen3 0.6B textkodaren och Qwen Image VAE. Anima stöds nativt och levereras med grundläggande exempelmallar i senaste ComfyUI; standardarbetsflödet är väldigt enkelt.
Börja med standardmallen: KSampler, er_sde sampler, simple scheduler, 30 till 40 steg, CFG 4 till 5, en canvas på 1 till 2 megapixlar.
Skriv prompten på vanligt språk, högst två till tre korta stycken. Mycket korta prompts ger modellen mycket kreativ frihet; mycket långa prompts försämrar följsamhet och ibland kvalitet.
Blanda in Danbooru-stil taggar där de hjälper, med eventuella stil- eller @artist-referenser i början. Håll det rent och koncist: Anima är känslig för överbelastning av repetitiva taggar.
Lägg till en negativ prompt med stilar du inte vill ha (t.ex. photorealistic) och vanliga kvalitets-taggar, samt en säkerhetstagg när den positiva prompten är kort eller vag.
Generera och titta på resultatet som ett utkast. Om det saknas detaljer du ville ha, gör prompten lösare istället för striktare, och variera sedan seed, taggar och sampler över några generationer.
När du vill ha ett annat utseende, byt sampler först (Euler A för måleriskt, er_sde för skarp platt anime, DPM++ 2M SDE GPU för variation), och prova sedan en LoRA; en LoRA lägger bara till några sekunder.

Exempel

En Danbooru-stil prompt

1girl, solo, looking at viewer, masterpiece, detailed eyes

Den vanliga negativa prompten

photorealistic, blurry, low resolution, oversaturated, watermark, messy typography, distorted anatomy, overexposed highlights, bad hands, malformed hands

Referensinställningar

RTX 4060 Ti 16 GB, standard workflow, er_sde / simple, 30 steps: about 1.8 s per step, a finished image in under a minute, VRAM at roughly 50%.

Tips

Danbooru-taggar är token-effektiva och ger modellen utrymme att vara kreativ; naturligt språk ger mer kontroll. Användare säger att hybrid-prompting ger bäst balans mellan promptförståelse och anime-estetik.
Danbooru-taggar kommer från Danbooru, ett animebildforum som startade 2005 och vars sökbara tagsystem blev en av de mest omfattande bildtaxonomierna på internet; många anime-modeller tränades på Danbooru-tagade bilder, vilket är varför tag-prompting fungerar.
Enkla JSON- eller YAML-strukturerade prompts fungerar eftersom Qwen-kodaren tolkar dem, men de fallerar snabbt när de blir komplexa och det finns inget som tyder på att de ger bättre bilder än naturligt språk eller taggar.
Att byta sampler eller scheduler ändrar knappt genereringstiden, men med Anima kan det ändra utdata mycket; samma prompt och seed genom euler, euler-a, er-sde och dpmpp-sde-gpu ger fyra tydligt olika bilder.
Lägre CFG än vad du skulle använda på andra anime-modeller. Vissa av dem gillar väldigt hög CFG; Anima gör inte det.
Om du vill ha exakt kontroll, använd en modell som Flux.2. Anima är en fri-flödande anime-, illustrations- och konstmodell som tar en grov idé och tolkar den på många olika sätt.
Räkna med att anime är starkast, sedan akvarell, skisser, 3D och oljestilar. En akvarellprompt plus en LoRA som Vector Paintings av Daalis driver stilen längre.
Hugging Face-modellkortet har mer om taggordning, syntax och det naturliga språk-tillvägagångssättet.

Håll text på bilden till ett eller två ord eller lägg till text i efterredigering.

Frågor

Fungerar SDXL LoRAs med Anima?

Nej. Anima använder en annan arkitektur, så SDXL LoRAs är inte nativt kompatibla. Nya LoRAs tränade för Anima dyker upp hela tiden.

Stöder Anima JSON-prompting?

Inte nativt så vitt känt. Enkla JSON- eller YAML-prompts fungerar eftersom Qwen-textkodaren tolkar dem, men de fallerar snabbt när de blir komplexa och ger inte bättre bilder än naturligt språk eller taggar.

Hur snabbt är den?

På en RTX 4060 Ti 16 GB med standardarbetsflödet, er_sde / simple och 30 steg, ungefär 1,8 sekunder per steg och en färdig bild på under en minut, med ungefär halva VRAM-användningen. En LoRA lägger till några sekunder.

Kan jag använda den kommersiellt?

Animas licens är mer restriktiv än baslicensen för SDXL och riktad mot personliga hobbyprojekt. Läs licensen innan kommersiell användning.

Är den bara för anime?

Anime är där den är starkast, men med rätt prompt och taggar gör den också akvarell, skisser, 3D, olja och ganska abstrakta bilder, och LoRAs tar den till fler stilar.

Länkar och källor

Modeller i den här guiden

Anima-modeller

Skriven av

Chris Green

Bygger maskiner i ett garage som blir varmare än GPU:erna. Benchmarkar allt två gånger, en gång för vetenskapen och en gång för att första siffran var pinsam. Kör lokala modeller av princip och på en begagnad 3090. Tror att molnet är någons annans rigg med påslag.

Alla guider av Chris Green

ComfyUI-noder: dokumentation och felsökning

2 jun 2026

MiniMax H3 videopromptar: den officiella strukturen

14 sep 2026

Fler guider

Best AI Models for Anime in 2026: MOSS-Image, Anima, Illustrious

16 okt 2026

Modifierare för estetisk kvalitet - Masterpiece för Anima: få kvalitets-taggar att betyda något

1 okt 2026

Anime i verkligheten för Anima: animekaraktärer i realistiska bakgrunder

30 sep 2026

Stil > gpt-image-2 för Anima: förbättrare av detalj, ljussättning och textur