Anima 是由 CircleStone Labs 與 Comfy Org 合作開發的 2B 參數大型文字生成圖像模型，專精於動漫風格、角色與藝術創作。不同於傳統的 SDXL 或 Flux，Anima 採用了基於 Qwen 的 LLM Adapter 技術，使其在自然語言標籤的理解力上表現極其出色。對於追求極致動漫光影與線條質感的創作者來說，Anima 是目前消費級顯卡（如 RTX 40/50 系列）上非常優質的選擇。
為了能更精準地控制 Anima 的 LoRA 訓練流程，Anima Standalone Trainer 提供了一個輕量化且去耦合的訓練環境。這套工具基於成熟的 sd-scripts 實作，並針對 Anima 的 Cosmos 架構進行了深度優化。值得一提的是，本工具支援直接引用 ComfyUI 下的模型路徑，讓大家不必為了訓練而重複存放數十 GB 的模型檔案，有效節省硬碟空間。本教學將引導各位在 Windows 環境下，從零開始完成安裝與全域設置。
▲ 首先開啟命令提示字元（CMD），先到想放此工具的路徑下，使用 Git 指令將專案儲存庫複製到本地硬碟中（git clone https://github.com/gazingstars123/Anima-Standalone-Trainer.git），並進入目錄（cd Anima-Standalone-Trainer）執行 setup_env.bat。此批次檔會自動偵測系統中的 Node.js 與 Python 3.10+ 環境（請事先安裝這些軟體），接著開始建立專屬的虛擬環境（venv）並升級 pip，這是建置穩定訓練環境的第一步。
▲ 環境初始化完成後，透過檔案總管進入 Anima-Standalone-Trainer\training-ui 資料夾。這裡存放了網頁介面的核心組件，我們接下來要執行的是紅框標示的 start_training_ui_anima.bat，它負責啟動基於 Node.js 的後端伺服器以及 Python 訓練核心。
▲ 執行啟動批次檔後，系統會自動編譯並安裝 cuda_direct_backend 等高效能運算組件。當視窗最後出現「Anima Training UI running at http://localhost:3000」的訊息時，代表伺服器已成功啟動，將會自動開啟瀏覽器。
▲ 於瀏覽器進入介面後，可以看到左側排列著不同的訓練任務（Jobs）。在正式開始訓練之前，我們必須先點擊介面左下角的「Global Settings」齒輪圖示。這是非常關鍵的步驟，必須正確配置全域模型路徑，工具才能調用相關組件。
▲ 在「Anima Models」分頁中，我們將 DiT、Qwen3 文字編碼器以及 VAE 的路徑分別填入。為了節省硬碟空間，建議直接指向 ComfyUI 存放模型的位置，例如 diffusion_models、text_encoders 與 vae 資料夾，實現資源共用。
DiT Model Path: C:\Users\User\Documents\ComfyUI\models\diffusion_models\anima-preview3-base.safetensors
Qwen3 Text Encoder Path: C:\Users\User\Documents\ComfyUI\models\text_encoders\qwen_3_06b_base.safetensors
VAE Path: C:\Users\User\Documents\ComfyUI\models\vae\qwen_image_vae.safetensors
※ 本教學撰寫時 Anima 的最新版本為 Preview 3 版本，之後可以將 DiT 填入最終版本模型路徑以訓練用於正式 Anima 模型的 LoRA 模型。
▲ 最後切換到「Application」分頁，在「Python Venv Path」欄位填入先前建立的虛擬環境路徑（本範例為 D:\Anima-Standalone-Trainer\venv）。確保路徑無誤後點擊「Save Settings」，如此便完成了所有訓練前的環境配置工作。
想要開始訓練二次元動漫角色 Anima 專用 LoRA 模型了嗎？來看我們的實戰教學吧！
《上一篇》Richart Life：註冊台新Pay+並綁定信用卡實現日本、韓國跨境支付 
《下一篇》Anima Standalone Trainer：訓練二次元動漫角色 Anima 專用 LoRA 模型實戰教學 
留言區 / Comments
萌芽論壇