一、Anima Controlnet模型训练
Anima Controlnet：通过线稿精确控制生成图片的结构
1.准备素材
素材组成：需要准备两组图片，一组是线稿图，一组是目标图（结果图）
命名规则：两组图片的文件名需要一一对应，例如线稿图0001.png对应目标图0001.png
存储方式：分别保存在两个不同的文件夹下
2.使用LoRA训练大师训练
1）数据集
数据集添加：可以添加无限个数据集，每组数据集包含目标图和参考图
数据对应：目标组选择效果图，参考组选择线稿图
2）自动打标
打标要求：目标组图片需要打标
操作流程：直接使用自动打标功能，点击开始打标即可自动完成
注意打标语言：需要使用英文标签
3）模型训练
基础设置
任务命名：需要为训练任务命名，例如"Anima_Controlnet_V2"
训练类型：选择"Anima Control LLLite"
主要关注：重点需要关注训练数据集部分
控制图路径：选择一个线稿图作为控制图路径
参数检查：填写完提示词和控制图路径后，点击检查训练参数
保存训练：确认无误后点击保存
开始训练：进入模型训练界面点击开始训练
训练过程中可查看 ：
过程采样
loss曲线
模型输出
输出内容：训练过程中会产出多个Controlnet模型
模型测试：可以选择任意步数的模型进行测试
复制使用：将选中的模型复制到ComfyUI models/controlnet文件夹下
3.示例
工作流准备：使用Anima动漫模型和工作流，可通过comfyui搅拌站模型广场获取
线稿获取：上传图片获取其线稿图
Controlnet应用：中间添加应用Anima Controlnet节点
模型选择：选择训练好的1万步模型
提示词设置：可以复制之前写好的提示词或自行编写
效果对比：
使用Controlnet时，生成的图片结构还原度高
不使用Controlnet时，仅根据提示词生成的图片结构差异较大
二、知识小结
| 步骤 | 核心操作 | 技术要点 | 工具/资源 |
| 素材准备 | 准备线稿图与目标图组 | 文件命名需一一对应 | 文件夹分类存储 |
| 自动打标 | 目标图组英文标签处理 | 使用自动化打标功能 | Lora训练大师 |
| 模型配置 | 新建ControlNet训练任务 | 训练类型选择"Anima Control LLLite" | 支持多数据集加载 |
| 训练监控 | 过程采样与loss曲线查看 | 实时生成效果预览 | 可视化训练面板 |
| 模型应用 | 工作流集成控制模型 | 线稿结构精确控制 | ComfyUI工作流 |
| 效果对比 | 启用/停用ControlNet对比 | 结构保持度验证 | 提示词大师辅助生成 |
可点击下方原文链接观看视频教程👇
https://comfyit.cn/blog/284/?invite_code=TSH
