Squish - One Hand Only! - Wan2.2 i2v 14b
详情
下载文件
模型描述
Squish - 仅用一只手！- Wan2.2 i2v 14b
这个 LoRA 让你不仅能将物体拉近摄像头时挤压，即使在远处也能实现！与原始 Squish 不同，你只需使用一只手即可，无需大量提示！
提示格式与简要说明
提示：
在视频中，一个 [物体] 被展示出来。一个人的长右臂从侧面出现，伸展至 [物体] 并抓住它。[物体] 被握在远处的右手中。随后，该人按压 [物体]，引发 sq41sh 挤压效果。人物持续下压 [物体]，进一步展现 sq41sh 挤压效果。
我的使用设置非常简单：CFG 3.5，shift 8.0（默认），dpm++-sde 调度器，25 步（13+12）。未使用任何加速或其他额外 LoRA。使用 Kijai 的封装器制作。
我使用了第 10 层的无条件跳过（SLG），以略微提升视频质量。画廊生成中未应用其他增强。该模型在 512x512、640p 和 720p 下表现极佳。
详情请参见视频元数据中的工作流或 GitHub 上的副本。
现在简要说明：以下是我创建此 LoRA 的艰难历程。我认为这对其他 LoRA 训练者和技术用户可能有所帮助。
问题
我为何要创建这个 LoRA？
原始的 Squish LoRA 及其合成蒸馏版本存在一个显著偏差：总是出现两只手，连同手指从两侧包裹物体。此外，物体被从其原空间位置撕离并移近摄像头，严重破坏沉浸感。我认为更酷的想法是：不只是吸引物体，而是先用一只手臂伸出去触及它！
仅让“一只手”出现是提示工程、LoRA 强度和 Comfy 中条件控制计算的噩梦——至少对我而言是如此——这正是我决定制作这个微调版本的原因。
方法
由于存在上述偏差，从原始物体中无法直接构建“修复”数据集。于是我将起始帧改为手部位于物体附近，成功率有所提升。我以为成功了，但没有，左手频繁介入，将物体拉向摄像头，彻底推翻了所有进展。经过数小时反复重写提示、调整 LoRA 强度、用 ComfyUI 的系数平均条件后，我才找到一个合适的预设。
为构建修正数据集，我收集了大量手部触摸不同物体在不同位置的图像，然后提取最后一帧，使用校准后的 Wan2.2 图像到视频模型和 Squish LoRA 继续生成。
在拼接前，“真实”片段会经过 Wan 的 VAE 处理，以增强可信度。在该分辨率下，画面右侧边缘会出现一条细薄的彩虹条纹，我用自研的“vibe-coded”程序手动裁剪，确保所有视频使用相同预设分辨率，避免创建过多宽高比桶。
数据集由以下部分组成：
- 10 个手工制作的 Squish 场景（两部分视频：首先手伸向物体，然后手挤压物体）；2 个合成 Squish 场景：手仅触碰物体（懒惰的图生视频，未生成“伸展”部分）。
- 正则化：从 Omni-VFX 数据集中精选的 18 个高质量 RemadeAI 合成样本。
如前所述，成功率极低，数据集规模极小。
每个 epoch 的数据混合比例为：手动数据集重复 4 次 + 正则化样本 1 次。
Squish LoRA 的微调训练：高噪声下 6 个 epoch，低噪声下 4 个 epoch，使用双 GPU（5090 + 4090）一晚上完成（数据并行，diffusion-pipe）。
训练使用 Prodigy 作为优化器，损失函数采用 伪 Huber 损失，Huber 常数设为 0.5，以尝试这一新设置。
使用设置
使用设置非常简单：CFG 3.5，shift 8.0（默认），dpm++-sde 调度器，25 步（13+12）。未使用任何加速或其他额外 LoRA。
我使用了第 10 层的无条件跳过（SLG）以略微提升视频质量。画廊生成中未应用其他增强。
训练分辨率低于 512 像素（宽/高），但因已消除偏差，现在你可以尝试更长尺寸。512 和 640 均可正常工作，甚至 720p 也能获得良好结果！（因为这个 LoRA 训练得太充分了，哈哈！）画廊示例均使用 720p 展示 :0
训练帧数为 81 帧（16fps 约 5 秒，24fps 约 3 秒），此数值为推荐值，但 65 帧也可行，其他帧数未测试。
我使用了 Kijai 的 ComfyUI 封装器，原生工作流可能需要轻微调整。工作流已作为视频元数据附上。如难以获取，可在以下 GitHub Gist 链接 找到 JSON 格式版本。
画廊起始图像是用 Qwen、SDXL 和 Flux 生成的——包含 Edit 和 Kontext 模型。
局限性
为更快消除偏差，训练专门针对右手，因此如果你是左撇子，可能不适用 :)
由于主要基于合成数据训练，你可能会在画面右侧边缘看到一条细薄的彩虹条纹。我在准备数据集时尽最大努力裁剪了它，但仍会残留些许痕迹。（若仔细观察，即使不使用 LoRA，由于 Wan2.2 的固有特性，该痕迹也可能出现。）在更高分辨率下，该痕迹会消失。
在构建数据集时，即便使用上述所有技巧，也几乎无法在高分辨率下让提示准确匹配，因此我不得不将训练限制在低分辨率（<512 像素）。这可能导致轻微模糊。
与原始 Squish 一样，偶尔会出现角色腿部消失的现象。尽管我尽力从正则化数据集中剔除此类情况，该问题仍会发生，我也不知原因 :( 或许是 Wan 训练的限制。（可尝试在提示中明确描述腿部和鞋履）
如果物体过于靠近摄像头，可能触发默认行为并生成第二只手，因此最好使用明显处于远处的物体。
结语
此 LoRA 的目标是消除 Squish 的双手偏差，实现远程挤压物体，从而增强真实感和冲击力。我希望它能为用户带来乐趣与实用价值。
你对我最大的支持，就是在画廊中分享你使用它的成果示例，无论质量如何 :)
当然，如果你遇到任何问题，请留言评论。
感谢 RemadeAI 提供初始创意 :3