一句话结论：我不追求「一个模型解决所有问题」。四个模型各管一段——Anima 负责二次元出图，Krea 2 负责补细节与超分，MiniMax-H3 负责视频，Qwen-Image 2.1 负责通用生成与工作流底座。它们全部跑在一台 8GB 显存的笔记本上。

为什么不用一个万能模型

刚开始我也想过，找一个最强的模型就够了。跑了几个月之后发现：通用能力和专项能力是两条不同的曲线。通用模型理解力强、什么都能画，但在某个具体风格上往往不如专项模型；专项模型把一种风格做到极致，换个场景就立刻失效。

与其在两者之间反复妥协，不如让每个模型只做它最擅长的那一段。

四段分工

它们怎么串起来

实际跑的时候，这四个模型不是并列关系，而是一条链：

1. Anima 出草图。先快速跑出构图和角色。这一步不追求细节，追求的是方向对不对——方向错了，后面再怎么补都是白费。
2. Krea 2 做二采。把选中的图送进 Krea 2 做二次采样补细节。前提是输入必须达到 2K，否则角色一致性会崩，甚至出现大量噪音。
3. 超分收尾。用 4x-AnimeSharp 把画风拉回 Anima，再用 Lanczos 把输出控制在可用尺寸——不加这一步，产出的图会大到不好用。
4. 需要动起来就交给 H3。把成图作为首帧或参考帧，接进 MiniMax-H3 的工作流出视频。

8GB 显存意味着什么

整条链路跑在 RTX 5060 Laptop / 8GB 显存 / 16GB 内存的配置上。8GB 是个很硬的约束，所有模型都必须在量化版本和显存优化之间做选择，工作流也要逐条按显存重新调。

但这不等于「跑不了大模型」。视频侧最重的一次，我把 47GB 的权重放进了 8GB 显存里跑通——靠的是量化、分块加载和节点级的显存优化，而不是更大的显存。

下一步

每一段我都单独写过。Anima 的完整入门在《新手看了就会用的 Anima 教程》，进阶玩法（Lora、超分、Krea 2 二采）在《Anima 进阶》；整套工作流的清单整理在《我的 ComfyUI 工作流资产》。

一句话结论：想让 Anima 的出图从“能看”到“耐看”，靠的是三件事——用 Lora 补上模型不认识的角色，用超分把图放大，再用 Krea 2 二采把细节密度拉满。最后一步是我自己做的工作流。

先补上模型不懂的部分：Lora

想必你也看过那些用 Anima 生成的超级精美的图片吧——不仅细节更多，而且还有 2K、4K 的尺寸。这里主要用到的，就是 Lora 和超分的技巧。

Lora 主要是弥补模型所不了解的部分，比如画风、人物、服装、姿势等等，相当于让模型重新学习一个内容。画风 Lora 可以在 Civitai 上面下载，因为画风仁者见仁智者见智，所以我不做推荐。

从零训练一个自己的 Lora

如果你要跑的角色比较新或者比较冷门、Anima 完全不认识，或者是你的 OC，就可以通过 Lora 让模型学习。这里以我自己训练的卡拉彼丘角色米雪儿为例，这个角色比较冷门。

1. 搜集素材。为了让模型能够充分学习，至少准备 20 张高质量训练图，越多越好。图片要主体清晰、没有干扰项，并且覆盖角色在不同场景下的状态——正面侧面、站起坐下、喜怒哀乐。为了保证学习时不被干扰，图片尽可能画风一致或接近，角色特征鲜明。
2. 打标。通常使用 WD14 模型。为了保证质量，模型处理完之后还要人工检查一遍。打标涉及触发词和学习词：触发词是训练好之后调用 Lora 时要输入的词，因此要放在首位；学习词比较反直觉——如果你希望模型学到什么，就要把它删掉。训练时模型会把学习词 tag 与图片内容一一对应，最后学到的是剩下的部分。
3. 训练。训练 Lora 比较吃配置，一般租用云端来跑，一个 Lora 大约 5–10 元。不同训练器的用法不一样，跟着各自教程走即可，没有统一的训练方法。

超分：把图放大，还要更好看

超分也就是在保持原有质量的同时放大图片，本质是重绘。从易到难，有三条路线。

Krea 2 二采：我的原创工作流

先说 Krea 2。它是目前开源社区最强大的通用模型，理解能力强、生成画面质量高、多场景适配。但它本身不是专门生成二次元的，所以直出的二次元图片比较单薄，也认不出画师和人物——需要配合社区调整过的模型，或者用画风 Lora 来约束。

拿它来做二采，就是希望借助它来丰富细节、提高画面质量。

这是我对这个工作流的完整讲解，里面有工作流和模型下载链接：B 站 · Anima + Krea 2 二采超分工作流。