Wan Self Forcing Rank 16 (Accelerator)

注意 请确保下载与您所用工具匹配的正确版本😉 注意

Wan 自强制 Rank 16

此前已上传过此模型的其他版本，但它们与其他 LoRA 的兼容性较差，且其内部结构使我无法将其与 Blissful Tuner（我的高级扩展版 Musubi Tuner：https://github.com/Sarania/blissful-tuner/）配合使用。本版本是从 https://huggingface.co/lightx2v/Wan2.1-T2V-14B-StepDistill-CfgDistill 提取的 Rank 16 模型，专为与兼容采样器配合使用而设计，可实现高质量的 4 至 8 步扩散，适用于 Wan 架构模型。本版本同时提供适用于 Blissful 和 Comfy 的两个版本，仅保留最小必要参数以最大限度提升兼容性。

使用说明：
您需要使用兼容的采样器，如 LCM，设置 flow_shift = 8.0 且 guidance_scale/CFG = 1.0 —— 这意味着不使用负向提示（编辑：请参阅下方评论，了解如何在使用负向提示的同时获得更高质量）。但作为交换，您将获得卓越的画质和极快的视频扩散速度，几乎适用于任何 Wan 架构模型 —— 我亲自在 T2V、I2V 和 Skyreels V2 上测试过，效果均完美！它也兼容我尝试过的其他 LoRA：此处展示的亲吻视频使用了我的 AmorousLesbianKisses 模型制作，四轮车视频则使用了 /model/1698719/high-speed-dynamic?modelVersionId=1922492 制作！为弥补无 CFG/负向提示的不足，您可以使用提示加权。此外，若您确实需要负向提示，也可尝试仅在第一步使用较低的 CFG 值（如 1.6）。

我通常对 T2V 使用 6 步，对 I2V 使用 4 步。展示视频（832x1104@81f）在我的 4070 Ti Super 上仅耗时约 5 分钟生成，随后再用几分钟将帧率从 16fps 提升至 32fps（VFI）。请注意，我并未训练该蒸馏模型，此模型的原始贡献者是 lightx2v —— 感谢他们以宽松的许可条款发布该模型！我一直等待一个达到我质量标准的蒸馏 Wan 模型，而这正是它。在我看来，它优于 CausVid/AccVid 等其他模型。如上所述，我不仅在 T2V 上成功，也在 I2V 和 Skyreels V2 上取得了良好效果，因此很可能几乎所有基于 Wan 的模型都兼容。

请注意，如前所述，此模型的其他版本此前已被上传。但我仍认为有必要发布本版本，因为上述兼容性问题，而且我的提取版本更小、更专注，以更好地兼容其他 LoRA。

P.S. 如果您想从 Wan 或其他扩散模型中提取自己的 LoRA，我所使用的脚本是 Blissful Tuner 中众多附加工具之一：https://github.com/Sarania/blissful-tuner/blob/main/src/blissful_tuner/extract_lora.py