Anima-Light-Lavender: 긴 자연어 프롬프트를 위한 Anima 포스트 트레인

Anima-Base v1.0은 Danbooru 스타일 태그를 기본 입력으로 사용합니다. Anima-Light-Lavender는 반대 방향으로 나아갑니다. 긴 자연어 image_description 필드를 포함한 구조화된 캡션으로 학습되었으며, 이번 릴리스는 512 토큰 규모의 설명 이해에 초점을 맞춥니다. 학습 데이터셋은 약 170만 장의 Danbooru 이미지로, 주석, 필터링, 선호도 판단 모델을 모두 기성품 대신 작성자가 직접 학습한 데이터 파이프라인으로 주석 처리하고 필터링했습니다.

이 모델은 애니메 일러스트, 캐릭터, 스타일화된 아트를 대상으로 하며, 태그 나열보다는 서술형 문장으로 구동됩니다.

달라진 점과 달라지지 않은 점

레이어 수, 파라미터 수, 파일 구성이 베이스 모델과 일치하므로 기존 Anima 워크플로는 체크포인트만 교체하면 됩니다.

ComfyUI에 설치하기

1. 가중치 파일 하나를 ComfyUI/models/diffusion_models/에 넣습니다. BF16 또는 MXFP8 버전 중 하나만 선택하고 둘 다 넣지 마세요.
2. 현재 Anima 환경의 텍스트 인코더와 VAE를 그대로 재사용합니다. qwen_3_06b_base.safetensors는 ComfyUI/models/text_encoders/에, qwen_image_vae.safetensors는 ComfyUI/models/vae/에 둡니다.
3. ComfyUI/custom_nodes/ 안에서 git clone https://github.com/aa0525/comfyui-zako-pe.git으로 동반 노드를 설치한 뒤 ComfyUI를 재시작합니다.

comfyui-zako-pe 팩은 두 개의 노드를 추가합니다. 구조화된 캡션을 조립하는 Danbooru Caption JSON, 그리고 OpenAI 호환 서버를 호출해 태그 스타일의 image_description을 자연어로 확장하는 Danbooru Prompt Extend (OpenAI)입니다. 동반 모델 zako-pe(ZAKO-V0.1)는 이 확장을 로컬에서 처리하도록 설계되었습니다.

이 릴리스에는 두 가지 워크플로가 포함되어 있으며, 둘 다 JSON 파일을 ComfyUI 캔버스로 드래그하면 불러올 수 있습니다.

두 워크플로 모두 기본값이 MXFP8 가중치입니다. 대신 BF16 파일을 설치했다면 확산 모델 로드 노드에서 체크포인트를 전환하세요.

구조화된 캡션으로 프롬프트 작성하기

이 모델은 고정된 필드로 구성된 캡션으로 학습되었으며, 설명은 산문처럼 작성합니다.

{
  "year": 2025,
  "preference_level": "best",
  "artist": [...],
  "copyright": [...],
  "character": [...],
  "image_description": "...",
  "extra_tags": [...]
}

긴 문장을 쓰는 것이 원하는 방식이 아니라면, 기본 워크플로는 태그를 받아들이고 프롬프트 확장 노드가 이를 다시 작성하도록 합니다. 작성자가 제안하는 또 다른 방법은 이미지를 묘사하고 나머지는 모델에 맡기는 것입니다. 릴리스 노트에 따르면 품질 단어나 네거티브 프롬프트 없이도 결과가 깔끔하게 유지됩니다.

권장 설정

학습 세부 정보

학습은 BF16으로 진행되었으며 MLP와 어텐션 행렬 곱셈에는 MXFP8 GEMM을 사용했고, 배치 크기는 1024, 최대 학습률은 4e-5였습니다. MLP와 어텐션의 2D 파라미터는 Muon(모멘텀 0.95, match_rms_adamw)으로 업데이트되었고, 나머지 파라미터는 AdamW(β 0.9 / 0.95, ε 1e-8)로 유지되었습니다. 캡션의 preference_level 등급은 약 300만 개 샘플로 학습된 선호도 모델에서 나왔으며, 학습 데이터는 2025년 11월 말까지 포함합니다.