ComfyUI-AnimaT5Free：零自定义节点，彻底移除 T5 依赖的 Anima 工作流

ComfyUI-AnimaT5Free 是一个极简的补丁包，旨在让 Anima 视频/图像生成模型在完全不依赖 T5 文本编码器的情况下运行。通过修补 ComfyUI 内部的模型检测逻辑，它允许用户使用标准的原生节点（如 Load Diffusion Model 和 CLIPTextEncode）来加载经过特殊处理的免 T5 模型文件。

• GitHub：https://github.com/Disya123/ComfyUI-AnimaT5Free
• 模型：https://huggingface.co/Disya/Anima-T5-Free-Base

这不仅大幅降低了显存占用（不再需要加载巨大的 T5-XXL），还简化了工作流，使其更加轻量和高效。

核心组件与文件结构

你需要下载以下两个核心文件并放入 ComfyUI 的对应目录中：

注意：VAE 文件通常需单独下载或从原 Anima 仓库获取，路径为 models/vae/qwen_image_vae.safetensors。

技术原理：免 T5 链路

该方案用 Qwen 替代了传统的 T5 编码器，并通过一系列轻量级模块将文本特征转换为 Anima 可用的条件信号：

1. Qwen 抽头 (Taps)：从 Qwen 模型的特定层（第 16/22 层）提取隐藏状态。
2. d1 网格 (Grid)：对提取的特征进行空间映射。
3. C0 岭回归 (Ridge Regression)：初步特征转换。
4. C1 精炼器 (Refiner)：进一步细化条件向量。
5. 载体 (Carrier)：最终输出给 UNet 的条件嵌入。

• 负面提示处理：空负面提示 ("") 会被转换为冻结的零上下文无条件信号，无需额外的编码器计算。
• 缓存机制：文本特征的抽头结果会缓存在 taps_cache/ 目录中。首次使用新提示词时会运行 Qwen 前向传播（耗时几秒），后续相同提示词将直接读取缓存，实现秒级响应。

标准工作流（仅使用原生节点）

你不需要安装任何额外的自定义节点，只需使用 ComfyUI 自带的节点即可构建工作流：

graph LR
    A[Load Diffusion Model<br>(anima-t5free-fused-v0.1)] --> E[KSampler]
    B[Load CLIP<br>(qwen_35_2b_base)] --> C[CLIPTextEncode<br>(Positive Prompt)]
    B --> D[CLIPTextEncode<br>(Negative Prompt: "")]
    C --> E
    D --> E
    F[EmptyCosmosLatentVideo<br>(768x768, length 1)] --> E
    G[Load VAE<br>(qwen_image_vae)] --> H[VAE Decode]
    E --> H
    H --> I[Save Image]

关键参数建议：

• Sampler: Euler 或 Simple
• Steps: 30
• CFG: 5
• Resolution: 768×768 (或其他 Anima 支持的比例)
• Frames: 1 (单图) 或更多 (视频)

重要说明

1. 无 T5 依赖：整个链路中没有任何 T5 模型或分词器参与，显著降低显存压力。
2. 噪声差异：由于此构建使用的是原版 KSampler 的噪声机制，而官方示例可能使用了特定的研究运行时采样器和加盐噪声约定，因此即使使用相同的种子，生成的图像构图也会不同。但模型的质量和语义理解能力保持一致。
3. 模型版本：这是 Anima-T5-Free-Base v0.1，属于平价级语义版本，并非最新的语义升级模型。
4. 完整性验证：条件器部分与 Disya/Anima-T5-Free-Base 的 model.safetensors 逐位相同，可通过元数据中的 sha256 校验。

优势总结

• 显存友好：摆脱了 T5-XXL 的沉重负担，适合显存有限的用户。
• 部署简单：无需复杂的自定义节点环境，纯原生节点支持。
• 推理加速：得益于缓存机制，重复提示词的生成速度极快。

对于希望体验 Anima 强大生成能力但受限于硬件资源或追求简洁工作流的开发者来说，ComfyUI-AnimaT5Free 是一个极具价值的解决方案。