一句话结论：Anima 是专门为二次元训练的模型——颜色鲜亮、姿势大胆，能直接生成热门作品的角色，也能模仿热门画师的画风。看完这一页，你就能把 Anima_2.9b 从零跑通：模型备齐、提示词写对、参数调对。
Anima 是什么
Anima 是一个专门为二次元图片训练的模型。颜色鲜亮，人物姿势大胆，能够直接生成热门作品角色的图片，也能模仿热门画师的画风。Anima 有很多版本，不同版本的效果略有不同。截至写这篇教程时，Anima 最新版本为 Anima_2.9b，也是本文示范所用的模型。
开始之前：备齐三件套
Anima_2.9b 在工作流里主要由三个节点搭配，qwen 确实在开源上有巨大贡献。
| 节点 | 文件 | 作用 |
|---|---|---|
| UNet 加载器 | Anima-2.9B-preview-v1_int8_convrot.safetensors |
主模型，决定画风与画面内容 |
| 加载 CLIP | qwen_3_06b_base.safetensors（类型 qwen_image） |
文本编码器，把提示词翻译成模型能读的条件 |
| 加载 VAE | qwen_image_vae.safetensors |
把潜空间结果解码成图片 |
提示词：Anima 认标签，不认句子
关于提示词，Anima 是 Danbooru 标签模型——它的提示词不是“描述”，而是标签检索。理解这一点，下面三条铁律就都好懂了。
三条铁律
- 正面词与负面词会打架。同一个概念不能一边要一边挡（例：正面要
long neck、负面又挡long neck）——模型会摆烂，画出“没有脖子”这种崩坏结果。 - 写标签，不写句子。
1girl, solo, silver hair有效；a girl with silver hair standing on a beach会被稀释成噪声。 - 标签之间有互斥与竞争。姿态、镜头、取景三组标签会互相推翻——改需求时必须删掉旧的那一组，光加新词是改不动的。
用 Agent 帮你写提示词
为了方便生成提示词，可以把 Anima 提示词专家的 prompt 交给 Agent，或者直接调用对应的 skill。在后续的出图调整里，不断让 Agent 回顾你的个人要求、对提示词持续迭代，最后就能形成一份带有你个人色彩的提示词专家。
以后的模型大概率都会支持自然语言处理，Danbooru 标签大概会成为 Stable Diffusion 刚刚兴起时，学习者们的一段回忆吧。
参数：真正要管的只有三个
接下来是主要参数的调整，也就是 K 采样器。它决定模型如何从一张噪点图走到成品，而其中真正需要你判断的，只有三个参数。
种子
种子决定随机效果。AI 生图首先给出一张噪点图，然后模型结合提示词和参数，从噪点图上“发动俺寻思之力”，最后“画”出图片——其实和你小时候盯着瓷砖花纹、想象它像什么是一样的。种子决定这块瓷砖的花纹，相同种子可以复刻相同效果。
步数
步数决定图片的精致程度：每多一步，模型就能多思考一层，给出更多细节。但步数过多会出现过拟合，图片效果反而下降。一般来说，追求速度可以设为 20，追求质量可以设为 40，这个范围之外效果会很差。
降噪
降噪决定图片的改变程度。文生图设置为 1 即可；图生图时，降噪越大，生成的图片越不像原图。
种子决定可复刻性，步数决定精细度，降噪决定改变幅度——其余参数保持默认即可。
下一步
把上面这些学会，你就已经能够用 Anima 生成图片了。想让出图再上一个台阶——2K / 4K 超分、自训 Lora 复刻冷门角色、Krea 2 二采补细节——接着看进阶篇：《Anima 进阶：Lora、超分与 Krea 2 二采》。