WAIFU

WAIFU es una webapp local de generación de imágenes y vídeo anime que usa ComfyUI como motor y está pensada para un solo PC con una sola GPU NVIDIA (probado en RTX 3060 12 GB). Se abre en http://127.0.0.1:8765 y el engine escucha en http://127.0.0.1:8288; todo se ejecuta en tu máquina, sin cuentas ni servicios en la nube. Es de uso personal y no lleva filtros NSFW/SFW.

• Plantilla Canónica de Pestaña (TabTemplate): Estandarización de 2 columnas inmutable (Sidebar de controles con auto-scroll a la izquierda + Viewport de previsualización ocupando el 100% del alto y ancho disponible sin espacios muertos).
• Visor Modular Unificado (UniversalViewer): Núcleo JS centralizado para zoom 8x con paneo, split slider de comparación antes/después, barra de herramientas contextual y miniaturas dinámicas con ResizeObserver sin hueco negro.
• Shell Global y Control Universal: Botón universal de recarga en el header (#btn-universal-reload), selector de idiomas con menú accesible (#btn-language-selector), tarjetas de control normalizadas (ControlCards) y sistema de ayuda contextual con popovers flotantes ((?)).
• Backend FastAPI modular (app/routes/): endpoints segregados por dominio funcional con orquestador central delgado en app/server.py.
• Frontend nativo con ES Modules (static/js/): arquitectura desacoplada en navegador con <script type="module"> sin bundlers ni NodeJS.
• Estilos CSS modulares (static/css/): estructura dividida en base.css, components.css y tabs/*.css.

• Modelos de la familia Anima con perfil propio (encoder, VAE, sampler y resolución); soporte para modelos expandidos de 40 capas (anima-2.9b-preview) mediante el patcher integrado WaifuAnimaPatch28to40.
• Editor de prompt por zonas (calidad, safety, sujeto, personaje, general) con subcategorías.
• Catálogo de tags Danbooru (capa curada + catálogo v3 de 91.357 etiquetas con ranking) con soporte de sobreescritura de usuario en data/registry/tags_danbooru.json.
• LoRAs con biblioteca gestionable: subida desde disco con registro automático, edición y borrado con o sin archivo.
• Preprompts de calidad incluidos y propios, negativo avanzado y semilla con dado.
• 15 presets de tamaño que incluyen los formatos vertical/horizontal de vídeo (XL).
• «Generar prompt»: convierte una descripción en lenguaje natural en tags por zona y respeta los tags ya aplicados; usa vocabulario restringido al catálogo (los tags inventados se descartan y se indican en la respuesta).
• «Describir»: una sola llamada al modelo de visión devuelve caption + tags validados y repartidos por zonas; incluye «Solo tags (rápido)» con WD14 tras «Avanzado» (pesos de visión opcionales; si faltan, la UI lo indica).

• Motor MiniMax H3 universal con cuatro modos certificados: I2V (solo frame inicial), FLF2V (inicial + final), Ref2VA (hasta 4 imágenes de referencia de personaje para conservar identidad sin fijar pose) y V2V (Video-to-Video) (vídeo guía de movimiento, baile o coreografía con extracción automática de fotogramas y audio).
• Perfiles de calidad universales: Rápido (Turbo 4 pasos · ClipProj 8B · ideal 3060 12GB), Estándar (Turbo 8 pasos · ClipProj 8B), Calidad (Turbo 8 pasos · ClipProj 32B), Ultra (VDN 8 pasos nativo de alta fidelidad) y Personalizado (control manual de encoder, pasos, SageAttention y semilla).
• Resoluciones nativas completas: selectores para Vertical (9:16) y Horizontal (16:9) en SD (~480p), HD (~720p nativo recomendado), FHD (~1080p), QHD (~1440p) y 2K, con badges de VRAM/RAM requerida e indicación clara de memoria sin reescalados encubiertos.
• Aceleración con VideoDeltaNet (VDN-H3): atención híbrida lineal bidireccional + sliding window que genera vídeo completo en solo 8 pasos (I2V/FLF2V/Ref2VA/V2V).
• Duración flexible: clips nativos de 5 a 15 s y encadenado continuo para vídeos largos (20, 25, 30 s) con ensamblado automático de segmentos mediante FFmpeg y audio continuo.
• «Mejorar prompt (H3)»: asistencia multimodal con LLM/VLM gestionado (Qwen3.5-9B), salida obligatoria en inglés cinematográfico técnico, directiva de estricto apego al primer fotograma y selector de fuerza: Fiel (sin elementos inventados), Balanceado y Creativo.
• Guía H3 oficial ampliada con parámetros cinematográficos técnicos (cámara, iluminación, foley, diálogo con <d>[Language] ...</d>, música) y plantillas rápidas a 1 clic (Retrato anime, Caminata costa, Escena dinámica, Estructura base).

• Qwen-Image 2.1 Uncensored (GGUF Q4_K_M + encoder Qwen3-VL-8B int8 + VAE propio).
• Modo Editar por defecto (también Generar) con hasta 10 imágenes de referencia, negativo, pasos (10-50) y CFG (1-10, con aviso si sube de 1).
• Preview del resultado y presets de tamaño de la app, incluida la opción Original (hereda el tamaño de la 1ª referencia, ideal para editar el resultado en cadena).
• Comparador permanente antes/después: divisor arrastrable con zoom 1-8x (rueda) y desplazamiento; accesible permanentemente en la barra del previewer para comparar con cualquier imagen de la minigalería.

• Imágenes: RealESRGAN x2 con galería visual de origen, archivo local y escalado ×2/×4 (doble pasada del mismo modelo) más mejora de detalle opcional (Suave/Fuerte).
• Vídeo: upscale por fotogramas e interpolación de FPS con RIFE (x2/x4, conserva el audio).

• Galería (5ª pestaña) con visor y miniaturas; reusar una generación devuelve sus condiciones, incluida la referencia.
• Gestión avanzada de Galería: buscador por etiquetas en tiempo real, borrado individual con eliminación física de archivos en disco, limpieza en lote de generaciones fallidas y gestión visual del catálogo de tags personalizadas de usuario (data/registry/tags_danbooru.json) con recarga automática FTS5.
• Controles de Preview en todas las pestañas: botón para colapsar/expandir la tira de miniaturas inferior para ampliar el previewer a pantalla completa; comparador interactivo permanente (Slot 1 fijo y Slot 2 intercambiable desde la minigalería).
• Acciones por imagen en el visor: usar referencia, animar (primer frame de vídeo), editar en el Editor, escalar en el Upscaler y descargar; botón de refresco interno.
• OC Maker: personajes con rasgos, referencias y hoja de vistas; entrenador de LoRA (orquesta un entrenador externo kohya; requiere instalarlo una vez, ver tools/kohya/README.md).

git clone https://github.com/gusnion/WaifuStudio.git
cd WaifuStudio
INSTALAR.bat

INSTALAR.bat es un instalador por consola: prepara Python, la app y ComfyUI con nodos pinneados, pregunta si quieres descargar los modelos recomendados (~106 GB) y verifica cada archivo con SHA256. Es repetible: si se corta, vuelve a ejecutarlo y continúa donde quedó.

Uso diario:

1) INICIAR_ENGINE.bat     (déjalo abierto; escucha en 127.0.0.1:8288)
2) INICIAR_WAIFU.bat      (arranca el backend en http://127.0.0.1:8765)
3) ABRIR_APP.bat          (opcional: abre la app en ventana ultraligera dedicada, ~100 MB RAM)

• El LLM es automático: la app arranca y para sola su servidor de texto/visión (~5 s la primera carga); no hay .bat que lanzar. Si prefieres un servidor externo, define WAIFU_LLM_URL.
• Para cerrar: DETENER_WAIFU.bat y DETENER_ENGINE.bat.
• Comprobación rápida del entorno: VERIFICAR_WAIFU.bat (con --require-llm no pasa si el LLM no está listo).
• Detalle del instalador y banderas avanzadas: install/README_INSTALL.md.

El instalador descarga y verifica la parte automática del set recomendado (~106 GB):

• Anima 2.9B preview (imagen), MiniMax H3 (vídeo con audio), Qwen-Image 2.1 UC (Editor), RealESRGAN x2 + RIFE (Upscaler) y el LLM de texto/visión.

WAIFU usa un solo modelo para todas las tareas de texto e imagen→texto: Qwen3.5-9B NSFW Captioning v5 (Q4_K_M) + mmproj-Q8_0, servido por llama-server stock b11146 en CPU (~6,25 GiB, 0 VRAM: no compite con ComfyUI por la GPU). Afinado por oldhag88 para captioning anime/NSFW, booru tags y razonamiento explicativo (CoT). Sin .bat: la app arranca el servidor en el primer uso (~5 s de carga) y lo para al cerrar; gestionado automáticamente.

El instalador baja el GGUF, el mmproj y el runtime por defecto. Para descargar o reverificar el paquete completo (incluido el runtime llama.cpp en tools/llama.cpp/, no versionado), o si la app indica «no instalado»:

& .\.venv\Scripts\python.exe scripts\download_llm.py

WAIFU_LLM_PORT/MODEL/MMPROJ/THREADS ajustan el servidor gestionado y WAIFU_LLM_URL fuerza el modo externo. Pines y hashes: install/manifest/manifest.llm.json.

Dos modelos base de Anima no se pueden auto-descargar (age-gate en Civitai): hay que aportarlos a mano.

• Anima [Official] aesthetic v1.1 — civitai.com/models/2458426 v3126581 → destino ComfyUI/models/diffusion_models/anima_aestheticV11.safetensors.
• One obsession_Anima v4.0 — civitai.com/models/2695493 v3301424 → destino ComfyUI/models/diffusion_models/oneObsessionAnima_v40.safetensors.

El destino exacto y el SHA256 de cada uno están en registry/recommended-v1.json. Tras copiarlos, vuelve a ejecutar INSTALAR.bat para registrarlos.

Para habilitar la aceleración extrema de vídeo en 8 pasos con VideoDeltaNet (VDN-H3) o el condicionamiento por referencias multirreferencia Ref2VA, ejecuta el script oficial de descarga verificado:

# Descargar pesos VDN-H3 (~2.3 GB: linear_branch + adapters + affine):
& .\.venv\Scripts\python.exe scripts\download_models.py --vdn

# Descargar checkpoint DiT Ref2VA (~20.9 GB INT8 ConvRot):
& .\.venv\Scripts\python.exe scripts\download_models.py --ref2va

# O descargar ambos y configurar los stages automáticamente:
& .\.venv\Scripts\python.exe scripts\download_models.py --all

Las LoRAs de terceros no se incluyen. Se añaden desde la app: pestaña Imagen → «Elegir LoRAs» → «Gestionar biblioteca» (archivo relativo a ComfyUI\models\loras, trigger y peso).

# Suite de pruebas unitarias offline (1,522 tests):
& .\.venv\Scripts\python.exe -m unittest discover -s tests

# Diagnóstico de rutas, configuración y servicios:
& .\.venv\Scripts\python.exe -m app.health

Todo corre en tu PC: la app y ComfyUI escuchan solo en 127.0.0.1. Tu galería, base de datos y registros viven en data/ (data/waifu.db, data/gallery/, data/registry/, data/characters/). La app no envía telemetría.

WAIFU es gratuito y de código abierto. Si te resulta útil y quieres apoyar su desarrollo: Patreon → https://www.patreon.com/gusnion

El apoyo es para el desarrollo del código; no incluye ni da acceso a modelos, pesos o contenido de terceros.

• Código: MIT (ver LICENSE).
• Modelos: cada uno conserva su licencia (Anima es no comercial). Revisa THIRD_PARTY_NOTICES.md antes de redistribuir o darles uso comercial.

Nota para asistentes IA: si una IA te ayuda a instalar o modificar la app, que lea AGENTS.md; contiene el mapa del código, las convenciones y el diagnóstico de problemas frecuentes.