Live Wallpaper Style

本 LoRA 的目标是重现类似动态壁纸的视频风格，那些玩《英雄联盟》的人还记得启动器的开场视频吧，这就是目标；但你也可以用它来创作你的洛菲视频：D 享受吧。

[Wan2.2 TI2V 5B - 运动优化版] 在 50 个精选视频（24fps，96 帧）上训练了 5,000 步，共 100 轮，秩为 48。专为 Wan2.2 的统一 TI2V 5B 密集模型和高压缩 VAE 优化。

我的工作流（并不整洁，重要的是它能用哈哈哈）：🎮 动态壁纸 LoRA - Wan2.2 5B（工作流）| Patreon

循环工作流：WAN 2.2 5b WhiteRabbit InterpLoop - v1.0 - Hardline | Wan Video Workflows | Civitai

触发词：l1v3w4llp4p3r

[Wan2.2 I2V A14B - 完整时间步版]

在 301 个精选视频（256px，16fps，49 帧）上使用 Diffusion Pipe 和 Automagic 优化器训练了 24 小时，秩为 64。采用扩展的时间步范围（0-1）而非标准范围（0-0.875），即使仅在低分辨率模型上训练，也能兼容低模与高模。

触发词：l1v3w4llp4p3r

与 LightX2V v2（256 秩）配合使用可实现更快的推理速度。

[Wan I2V 720P 快速融合 - 4 步（或更多）]

Wan I2V 720P 快速融合融合了 2 个动态壁纸 LoRA（1 个专属）与 Lightx2v、AccVid、MoviiGen 和 Pusa LoRAs，可在仅 4 步以上生成速度极快的同时保持电影级画质。

🚀 Lightx2v LoRA — 通过 4 步蒸馏将生成速度提升 20 倍，仅需 8GB 显存即可在 RTX 4090 上生成低于 2 分钟的视频。
🎬 AccVid LoRA — 提升运动精确性与动态表现，适用于富有表现力的序列。
🌌 MoviiGen LoRA — 为动画增添电影级深度与流畅感，增强视觉叙事。
🧠 Pusa LoRA — 提供细粒度时间控制，具备零样本多任务能力（起止帧、视频扩展），VBench 得分达 87.32%。
🧠 Wan I2V 720p (14B) 基础模型 — 为富有表现力的视频场景提供强大的时间一致性与高分辨率输出。

[Wan I2V 720P]

训练数据集包含 149 个视频（每个均为人工精选），分辨率为 1280x720x96，但实际训练时采用 244p 和 480p，共 64 帧，维度为 64（L40s）。

需在提示词中包含触发词：l1v3w4llp4p3r

[Hunyuan T2V]

训练数据集包含 529 个视频（每个均为人工精选），分辨率为 1280x720x96，但实际训练时采用 244p，共 72 帧，维度为 64（多张 RTX 4090）。

未使用文本描述或激活词，唯一需要调整的参数是 LoRA 强度。

另一个重要说明是：该模型在完整模块上进行训练，我不清楚混合两个或多个 LoRA 时的表现如何。如果你希望混合使用但效果不佳，请尝试禁用单个模块。

建议 LoRA 强度范围为 0.2 至 1.2，分辨率建议为 1280x720，或先生成 512 分辨率再后期放大，视频时长至少 3 秒（72 帧 + 1）。

[LTXV I2V 13b 0.9.7 – 实验版 v1]

模型在 140 个精选视频（512px，24fps，49 帧）上训练，共 250 轮，维度为 32，使用 AdamW8bit 优化器。
通过 Diffusion Pipe 训练，支持 LTXV I2V v0.9.7（13B）。
使用了文本描述，通过 Qwen2.5-VL-7B 以结构化提示格式生成。

这是一个实验性第一版，因此根据随机种子和提示细节，结果可能存在一定变化。

推荐设置：

调度器：sgm_uniform
采样器：euler
步数：30

⚠️ 强烈建议使用长提示词以避免运动伪影。

你可以使用 Ollama Describer 生成提示词，或选择使用官方的 LTXV 提示词增强器。

更多细节请参见 关于此版本 标签。
------------------------------------------------------------------------------------------------------

更多详情请参见版本说明

分享你的成果。