WAN2.1 | FusionX | LLM | SDXL or FLUX | Upscaling

WAN2.1 | FusionX | LLM | SDXL/FLUX/PONY | 上采样

SDXL 版本（PONY 文件同样无问题）使用任何 SDXL/PONY 模型进行初始图像生成与优化。

FLUX 版本在发送至 WAN 部分之前，使用独立的 SDXL 模型进行优化。

目前仍对（大多数）WAN T2V 工作流不太满意，正在尝试各种方法，以创造一种更有趣的方式实现文生 WAN 视频。

该工作流将使用一个相对简单/简短的基础提示词，输入给 LLM 以生成增强/扩展后的提示词，进而生成一组图像，并从中选出最佳或最理想的一张。

该图像将被上采样/优化，然后交由 LTXV 图像字幕器生成扩展的图像提示词（你也可以手动覆盖此步骤，自行提供提示词）。

我个人倾向于将 LLM 提示词增强器设置为固定种子。根据所使用的 LLM 模型，有时会生成过于详细的提示词，导致 SDXL 难以处理。在这种情况下，可手动更改种子。

大多数 SDXL 模型都能较好地遵循增强后的提示词（无论是 SFW 还是 NSFW）。

该图像将被上采样/优化，然后交由 LTXV 图像字幕器生成扩展的图像提示词（你也可以手动覆盖此步骤，自行提供提示词）。

默认情况下，允许加载 3 个 WAN LoRA（后接 Fusion X LoRA）。

致谢：WAN 生成主要基于 /model/1309065/wan-21-image-to-video-with-caption-and-postprocessing?modelVersionId=1998473（用户 tremolo28）并做了部分修改。

用于测试和生成所发布视频的硬件：

RTX 4070 Ti Super 16GB 显存 / 80GB 内存