想给动漫风格模型训练 LoRA？Anima 是当前最值得尝试的基座之一：它自带庞大的动漫角色、概念与画师风格库，训练目标不是"塞进新知识"，而是"加入一个可调用的概念，同时不压平那份灵活性"。本篇讲清楚 Anima 是什么、训练它最重要的三个决策。
Anima 是什么
Anima 是 circlestone-labs/Anima-Base-v1.0-Diffusers（Hugging Face 模型仓库）提供的基础模型。它的特点：
- 内建大量动漫知识：角色、概念、画师风格（Danbooru 风格标签体系）已经内置
- 可编辑性极强：同一张图上换姿势、换服装、换背景都很灵活
- 训练敏感度两极分化：对少数几个选择异常敏感（学习率、停止点、标注），对其余一切又异常宽容
这意味着 Anima LoRA 训练的思路与"从零教模型"完全不同：不是把知识硬塞进去，而是给模型一个可调用的新概念，同时保留它原本的灵活性。
训练用哪个模型
用 Base 版本，不要用美学变体或 turbo 变体：
| 选择 | 说明 |
|---|---|
✅ circlestone-labs/Anima-Base-v1.0-Diffusers |
训练基座，灵活性与生态最完整 |
| ❌ 美学变体 / turbo 变体 | 会改变模型的响应方式，LoRA 学到的绑定关系在变体上不一定成立 |
在 AI Toolkit 里：Model Architecture 选 Anima，Name or Path 填 circlestone-labs/Anima-Base-v1.0-Diffusers。
决定大多数训练结果的三个选择
1. 学习率：从 2e-5 起步，而不是 1e-4
AI Toolkit 把 0.0001 作为通用训练默认值暴露出来，但 Anima 更适合一个轻得多的更新。
- Learning Rate：
0.00002 - Linear Rank：
32 - Linear Alpha：
32
常见误区：把 Anima 当成 SDXL，从 0.0001 起步。那个设置可能让目标很快出现，但它也增加了风格泛化、比例失真、提示词僵硬，以及丢失 Anima 内建画师标签响应能力的概率。Anima 训练应当看起来是渐进的：到第 500 步有一个有用的变化就够了，它不需要一上来就看起来已经完成。
2. 停止点：把 2000 步当成上限，而不是目标检查点
Anima 学得很快，有用的检查点往往早于最后一步。
- Steps：
2000 - Save Every：
250 - Sample Every：
250
检查第 500、750、1000、1250、1500、1750 和 2000 步。Anima 训练通常在 1000 到 1800 步之间达到一个好的平衡，继续训练虽然能让 LoRA 更强，却会更难与不同的构图和画师标签兼容。
3. 标注：给目标做标注，别让目标把其余一切都吸收进去
Anima 能理解 Danbooru 风格的标签、自然语言，以及两者的混合。最保险的规则是用推理时使用的同一种语言来标注。标注质量直接决定"目标学会多少"与"其余能力保留多少"的平衡（详见 05 篇）。
训练节奏预期
| 阶段 | 期望 |
|---|---|
| 0–500 步 | 出现可用的变化即可，不必"看起来已完成" |
| 1000–1800 步 | 目标与灵活性的最佳平衡区间 |
| 2000 步以后 | LoRA 更强，但与不同构图/画师标签的兼容性下降 |
占位图
下一步
→ 02 · 为什么从 2e-5 低学习率开始 理解 Anima 训练的第一个关键决策