Wan 2.2 img2img workflow for the GPU poor

（展览中的图片为技术对比，左侧：原始图像，右侧：Wan2.2）

有关遮罩技术的更多信息，请阅读关于焦点遮罩的文章。

（图片来自Reddit）

Wan 2.2 与其前身以及几乎所有已知的开源模型都不同。它使用两种不同的模型来生成视频，这些模型相互交替协作，直到过程完成。这两种模型被称为 高噪声 和 低噪声。高噪声模型控制构图，而低噪声模型负责细节。这些模型拥有140亿参数，功能更强大，同时也更耗费资源。

量化模型是常规模型的良好替代方案，后者并不总是针对低端显卡进行优化。它们往往是旧款显卡唯一适用的模型。Wan 2.2 绝对是适合量化的候选模型。由于这些模型是基于视频而非图像进行训练的，因此它们对时间空间（物体位置之间的相互关系）有更好的理解，细节也更为一致和连贯。因此，视频模型通常优于图像模型。

使用此类模型的 img2img 工作流会将图像的细节与视频中的某一帧对齐。毕竟，视频只是图像的序列。在这种情况下，您必须使用文本低噪声模型，因为该模型负责创建生成图像的潜在空间。其他模型的效果远不如该模型。与任何 img2img 工作流一样：去噪等级越低，输出的变化就越小，因此请根据您的需求调整该等级。此外，分辨率至关重要，因为它影响细节表现。但随着分辨率的提高，生成时间也会增加，直到 Comfy 内存耗尽。

对于NSFW图像，结果是可预测的：它会扭曲生殖器。

我仅在男性NSFW图像上测试过该工作流。它通常会将阴茎变为脚或其他模糊的附属物。我怀疑它能否同样很好地保留阴道特写细节。我所知的唯一补救方法是对其进行修补。