SnapRef v2a：为 ComfyUI 中的 Anima 添加逐参考照片权重

四个参考、三条场景提示词。橙色轮廓标出输入；提示词没有指定任何角色，也没有外观标签。

与 v1a 相比的变化

• 每张参考一个权重。 在 separate 布局中，每张照片都有自己的权重，默认 1.0，设为 0 即可关闭该参考。第二张照片设为 0.4 时，只微调外观，而不会接管整体效果。
• 简单节点提供两种模式。 Character & Style 会沿用参考的渲染效果，Character 只取角色，让画师标签和风格词决定外观。
• 六个工作流，其中包括双角色，以及一个自带提示词和种子的参考权重对比工作流。

每行两个固定种子：一个参考、第二参考设为 0.4、再设为 1.0。在同一组对照中，1.0 并不总是更好的结果。

运行方法

1. 安装 Anima base v1.0 及其文本编码器和 VAE。
2. 将仓库中的 comfyui/snapref/ 复制到 ComfyUI/custom_nodes/snapref/，然后重新启动 ComfyUI。
3. 将 snapref_v2a.safetensors 放入 ComfyUI/models/loras/。请使用 SnapRef 节点，而不是 LoraLoader：该文件是同一个键下的两个 LoRA 分支，普通 LoRA 加载器无法正确读取。
4. 打开下面的工作流，把照片拖到节点内的图片槽位，然后只写场景描述。

简单工作流图运行 28 步，Euler 配合 simple，CFG 4.5，保真度 1.0，分辨率 832 x 1216。若要表现同一角色的两个视角，第二个工作流会把第二个权重设为 0.4：

FP8 文件为 195 MB 而非 382 MB。它以逐行缩放的方式存储 E4M3FN 矩阵，节点在加载时会将其还原为 bf16，因此图像可能与完整权重略有差异。

效果预期

char 模式，每行使用相同种子：参考提供角色，提示词提供风格。

第二个视角补充了服装和轮廓。Persica 权重 1.0，Mia 权重 0.4，这些是精选示例而非平均评分。

在作者的固定评测中（64 个案例、两个种子），v2a 与 v1a 持平而非领先：外观标签召回率从 0.8722 升至 0.8727，头部 SigLIP 从 0.8989 降至 0.8903，全图 CCIP 距离从 0.0725 升至 0.0757。他们的定性判断是参考跟随效果更好，模型卡仍将明亮的参考面部列为面部细节的薄弱环节。指标会随构图、姿态和头部检测而波动，因此只应将其视为基本校验。

如果 v1a 已经能给出你想要的角色，就没有理由仅仅为了准确度而切换。值得迁移的理由是逐参考权重和针对 v2a 调优的工作流。

可用性

• 权重、节点、六个工作流和图表：0ppxnhximxr/snapref-v2a
• 训练、数据和评测代码：ArcAnima/SnapRef
• 更早的版本：snapref-v1a，在 SnapRef v1a 中介绍。