Pusa
详情
下载文件
模型描述
Pusa 是适用于 Wan 2.2 的 LoRA 格式微调模型，可提升视频质量。
要求：Kijai WanWrapper 节点 https://github.com/kijai/ComfyUI-WanVideoWrapper
备注：截至 2025 年 9 月 3 日，ComfyUI 昨日刚更新了 Pusa 节点，现在使用起来应更简便一些。
单个模型支持多种任务，全部支持使用 LightX2V 进行 4 步推理：图像到视频、起止帧、视频补全、视频扩展、文本到视频、视频转场等。
Wan 2.2 Pusa 的功能
视频生成任务：支持文本到视频、图像到视频（将静态图像转化为动态场景）、视频扩展、转场，甚至更复杂的任务，如将起始帧和结束帧无缝映射为完整视频。
多输入、多任务：与旧模型需为每个任务单独训练或使用不同模型不同，Wan 2.2 Pusa 独特的“Pusa 范式”使其能通过统一系统泛化到多种视频任务，仅需极少额外训练。
快速高效：得益于“LightX2V”加速技术和“向量化时间步自适应”（VTA），它仅需极少的推理步骤即可实现高质量输出，大幅降低视频生成所需的计算资源与时间。
工作原理
向量化时间步自适应（VTA）：核心创新在于为每个视频帧使用多个“时间步”，使模型能够独立适应视频中各部分的运动与转场。这意味着视频各区域可拥有定制化运动，从而提升时间平滑性与创作控制力，同时不破坏基础视频模型原有的优势。
专家混合（MoE）：Wan 2.2 使用两个专用子模型：一个处理“高噪声”（复杂运动），另一个处理“低噪声”（保留静态细节），融合二者优势以提升视频质量。
LoRA 微调：Pusa 模型采用轻量级“精准适配”技术（LoRA），在不覆盖基础模型原有能力的前提下，注入新功能（如图像到视频），在保留文本到视频能力的同时高效新增特性。
Wan 2.2 Pusa
https://github.com/Yaofang-Liu/Pusa-VidGen
https://huggingface.co/RaphaelLiu/Pusa-Wan2.2-V1
https://huggingface.co/Kijai/WanVideo_comfy/tree/main/Pusa
这些是 rank 256 的 LoRA，因此文件体积较大。这些 LoRA 旨在增强 Wan 2.2 的视频/图像质量。在本人实际使用中，效果通常较细微，但始终能提升视频质量。我不确定是否在 NSFW 数据上训练过，但它与 NSFW 内容兼容良好。
根据作者页面说明，建议使用 1.4–1.5 的权重。可配合 LightX2V 使用 4–8 步推理，或按常规步数使用。