━━━ ⚠️⚠️⚠️ Official: Civitai only. ⚠️⚠️⚠️ Other sites = Impersonation. Plagiarism. ━━━━━━━━━━━━━━━━━ ⚠️ NOTICE / IMPORTANT ━━━━━━━━━━━━━━━━━━━━━━━━
Any mirrored distribution platform reproducing this notice explicitly confirms its own unauthorized redistribution. I reserve all rights regarding identity misuse and unauthorized redistribution.I do not accept monetary transactions, donations, subscriptions, or external payment requests outside of the official Civitai page. All such activities are fraudulent activity. Please Maximum caution is utmost caution.This model is officially released ONLY on Civitai. If you find this model on any other platform — especially if this notice is copied alongside it — please note that it has NOT undergone any official safety or integrity checks by me. I, uh_1n2010266, am not involved in the distribution, hosting, mirroring, or use of this model outside of Civitai. Any appearance of this model under my name on other platforms is unauthorized and constitutes impersonation. Accessing or using such copies is done entirely at your own risk, including (but not limited to): - potential legal issues - modified or malicious files - exposure of personal or system data. Please support creators by using official releases only. Thank you for your understanding. ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
　

他者に版権が存在しますので、自分ルールで意図的にアーリーアクセスを切っています。商用利用禁止。二次創作ルールを厳守した上でお楽しみください。
Since the character is copyrighted, I have made it my personal rule to intentionally disable Early Access. Commercial use is prohibited. Please enjoy this model while strictly adhering to the guidelines for derivative works.

　

Use Anima Checkpoint

V1.0 : The test is being conducted on Anima Cat Tower.

Preview 2: Testing is being conducted using Anima Preview 2.

【　このLORAはAnimaが登場して間もなく作られました。本来ならばIllustriousの同名LORAにベースモデル違いとして登録するところですが、LORA制作次点ではAnimaにプレビュー板しか存在しないためテストとして公開しています。Animaに正式版が登場した後にLORAも更新する予定です。　】
This LoRA was created shortly after the release of Anima. Normally, I would register this as a different base model version under my existing Illustrious LoRA, but since Anima currently only has a Preview version, I am releasing this as a test. I plan to update the LoRA once the official version of Anima is released.

キャラクター生成　Character Generation : ka0ri_kitamura6, blue eyes, long hair, black hair

制服　School uniforms : school uniform, skirt, serafuku,

　

2026年2月26日現在、animaはプレビュー版のためcivitaiサービスでは画像生成もLORAトレーニングも存在しません。
ですのでオンライン対応が開始されるまでは、自前で全てやるしかないのですが、手探りの部分も多いと思います。
素人のすることですが、できる限りの情報共有をしていきたいと考えています。
日々チェック・ポイントもLORAも増えていってますので、こちらをチェックください。
animaで検索：https://civitai.com/search/models?baseModel=Anima&sortBy=models_v9
私は少数派のIntelのGPUを使っていますので、インストールについてはお持ちのGPUに併せてください。comfyUIをインストールしてしまえば特殊なことはありませんでした。
NVIDIAに関しては標準ですし、Intelもインストーラーがありますので、ハードルはそう高くありません。AMDもインストーラーにネイティブ ROCm サポートが含まれるようになったと聞きますし簡単になっているはずです。
とはいえ、AI 生成専用に GPU を購入する予定であれば、NVIDIA が依然として最も安全な選択肢です。
いずれにせよanimaを動かすまでのところは情報も日々多くなってきています。
animaに併せてComfyUIを使い始めたド素人ですが、とりあえず動かすためのワークフローなら、このLORAのサンプル画像を読み込ませてください。（読書画像が 基本+アップスケーラー です）
不慣れな人間が作っただけあって、ややこしいことが出来ませんので、その分だけ簡略化されているという隠れた利点もあります（笑）

『animaはなにがいいのか？　時間をとってまで準備する必要があるのか？』これは私なりのことしか言えませんが、

・レイヤーの概念をほぼ完璧に理解している
・プロンプトに従ってくれる。かなり期待に答えてくれる。
・空間を無理やり埋めようとしない。つまり思い描いた画作りに貢献してくれる。
・身体を不自然に引き伸ばしたりという Illustrious につきものの現象が激減。
一方で私としては欠点に見えている部分は
・熟成の域にある Illustrious と比較すると画作りにクセが有る。2.3D画像に関しては暴れ馬の部類。
こんな感じでしょうか。
要するに『登場一ヶ月未満（V1）のプレビュー版にしては出来過ぎぐらいよく出来ている。欠点なんてすぐに解消される』ということです。

もう一点、欠点というより前評判に反しての特徴。
こっちは『解消されると期待しない方が良いかも？』という特徴として、

・anima以外のLORAは使えないと思ったほうが良さそう、使えたらラッキーぐらいで。
です。
噂では「イラストレアスのLORAがそのまま使える」という情報だったのですが、めちゃくちゃ効きが悪いです。
もうそろそろこの情報も見かけなくなってきましたので、振り回されることもないと思いますが一応。
末尾に今回使用したLORAトレーニングの設定もありますので、ご利用頂ければと思います。

　

As of February 26, 2026, Anima is still in the preview stage. This means Civitai does not yet fully support on-site image generation or LoRA training for Anima.

Until full online support arrives, we’re all in "DIY mode," which naturally involves a lot of trial and error. As a self-taught enthusiast, I want to share as much information as possible to help the community grow. New Checkpoints and LoRAs are popping up every day, so be sure to keep an eye on the latest models here: Search Anima on Civitai: https://civitai.com/search/models?baseModel=Anima&sortBy=models_v9

Hardware & Setup: I’m currently running on an Intel GPU (yes, we’re a minority!).
Because hardware environments differ, make sure to follow the installation instructions appropriate for your GPU. That said, once I got ComfyUI installed, there were no major hurdles.
NVIDIA is still the most common setup for AI generation. Intel Arc users now have dedicated installation options that make the process much easier. For AMD users, recent ComfyUI desktop installers also include ROCm support, which makes setup relatively straightforward.
In other words, the barrier to entry is no longer particularly high for any of the major GPU brands.
That said—if you're planning to buy a GPU specifically for AI generation, NVIDIA is still the safest choice..

Workflow: I’m a complete beginner who only started using ComfyUI specifically for Anima. If you're just looking for a workflow that "just works" to get started, feel free to drag and drop the sample images from this LoRA into your UI. (The image of the character reading is the basic setup + upscaler). Since I’m still learning, the workflow is very straightforward and lacks any complex "voodoo"—which might actually be a hidden benefit for those who want a clean, simple setup! (lol)

Why Anima? Is it worth the effort? From my personal experience:

• Prompt Adherence: It’s incredibly responsive and really delivers on specific requests.

• Compositional Control: It doesn't try to force-fill empty spaces, allowing for much better artistic intent.

• Stability: Those unnatural body distortions often seen in Illustrious are significantly reduced.

• It understands the concept of spatial layering near-perfectly.

Current Drawbacks/Quirks:

• Compared to the highly refined Illustrious, it still has its own unique "flavor." When it comes to 2.5D images, it’s still a bit of a "wild horse" to control.

• The Bottom Line: For a preview version that’s only been out for a month, it’s remarkably well-made. Most minor flaws will likely be patched out soon.

One important note (Manage your expectations): There’s one characteristic that might not change: Compatibility with non-Anima LoRAs. Early rumors suggested that "Illustrious LoRAs work natively with Anima," but in practice, the effect is extremely weak. You should consider it "lucky if it works at all." This misinformation seems to be fading now, but I wanted to mention it just in case.

I’ve included my LoRA training settings at the end of this post. I hope they help you on your journey!

【　気に入ったら👍️を押してください。　気に入らなかったら押さない。評価の判断基準はそれだけです。👍️が少ないLORAは一般的に不要なLORAと考え、今後のバージョンアップは青Buzzで作成し公開をしません。皆さんから預かった好意である黃Buzz無駄遣い防止です　】
If you like this LoRA, please press 👍️.
If you don’t like it, don’t press anything.
That is the only evaluation criterion.
LoRAs with fewer 👍 are generally considered lower priority.
While I may still develop them privately using my own Blue Buzz, they will not be released publicly.
This is to prevent the waste of the Yellow Buzz that you have entrusted to us.

intel用、参考資料兼備忘録

sd-scripts 設定・実行の流れ　Anima（Intel GPU　ARC770 16GB）

1. Accelerateの構成設定 (accelerate config)
Intel GPU (IPEX) を認識させるための初期設定です。 Compute Config で multi_gpu: no、use_cpu: no を選び、アクセラレータとして IPEX（または環境によっては CPU と表示されますが内部でGPUを使用）を指定します。 実行時に export IPEX_FORCE_ATTENTION=1 などをセットし、DiT特有のアテンション計算をIntel GPUに最適化させました。

2. データセット設定ファイルの作成 (dataset.toml)

画像とキャプションを紐付ける設計図です。 Resolution: 1024, 1024 に設定。 Batch Size: 1（VRAM負荷と安定性を考慮）。 リピート数: 10（102枚の素材を1エポックで10回なめる設定）。

3. 学習用コマンド（引数）の構築

train netwark,py（またはFlux/DiT専用スクリプト）に渡す主要なパラメータ群です。 pretrained_model_name_or_path に チェック・ポイントのパスを指定。 network_module に networks.lora（またはFlux用モジュール）を指定。 learning_rate: 1e-4 前後 unet_lr: 1e-4 / te_lr: 1e-5 （テキストエンコーダーを控えめにする設定） lr_scheduler: cosine_with_restarts （ロスを滑らかに落とすため） save_every_n_epochs: 1 （全10エポックをすべて保存）

4. Intel GPU最適化オプションの適用
Intel環境特有の安定性を高めるための設定です。 mixed_precision: bf16 （Intel Arcで最も効率が良い精度と思う）。 cache_latents を有効にし、学習中のVRAM消費と計算時間を短縮。

参考時間。10エポック、11時間で完了。・・・なげぇｗｗ
（長いのは明確なミス。　HDD上にあったベースモデルを間違って指定したため。ssd m2のモデルを指定したところ１時間半まで短縮。しょーもないミスでした）

※ Accelerate上は CPU 表示になる場合があるが、実際には XPU（Intel GPU）で実行されている。（Intel環境あるあるですね＾＾；）

Reference materials

sd-scripts setup & training flow.
Anima (Intel GPU ARC A770 16GB)
1. Accelerate configuration (accelerate config)

This is the initial setup to make Intel GPUs (IPEX) usable.

In Compute Config, select:

• multi_gpu: no

• use_cpu: no

Choose IPEX as the accelerator
(depending on the environment, it may appear as CPU, but internally the GPU is used).

At runtime, environment variables such as:IPEX_FORCE_ATTENTION=1

are set to optimize DiT-specific attention computation for Intel GPUs.

2. Dataset configuration file (dataset.toml)

This file defines the mapping between images and captions.

• Resolution: 1024,1024

• Batch size: 1
  (chosen for VRAM safety and stability)

• Repeats: 10
  (with 102 images, each epoch effectively sees the dataset 10 times)

3. Training command (arguments)

Main parameters passed to train_network.py
(or Flux / DiT-specific scripts).

Key settings:

• pretrained_model_name_or_path: path to the base checkpoint

• network_module: networks.lora (or Flux-specific module)

• learning_rate: around 1e-4

• unet_lr: 1e-4

• te_lr: 1e-5
  (text encoder is trained conservatively)

• lr_scheduler: cosine_with_restarts
  (to smooth loss decay)

• save_every_n_epochs: 1
  (all 10 epochs are saved)

4. Intel GPU–specific optimization options

• Settings to improve stability on Intel environments.

  • mixed_precision: bf16
    (most efficient precision on Intel Arc GPUs)

  • cache_latents: enabled
    (reduces VRAM usage and training time)

Reference training time

• 10 epochs

• ~11 hours total
  Note: ARC environments may show repeated autocast warnings; these are expected and do not indicate failure.
  （ The 11-hour crawl was my bad—I accidentally pointed the script to a base model on the slow HDD. Swapping the path to the M.2 SSD slashed the training time down to 1.5 hours. Lesson learned: Always double-check your drive paths!）