MOTION-FORGE Wan 2.2 14B 4 Steps MoE I2V Noob-Friendly

基于 Wan 2.2 14B MoE 构建的 streamlined 图像转视频工作流，配备双高噪声/低噪声专家，可从单张参考图像中生成清晰的运动与稳定的细节。正/负 CLIP 提示词用于条件化 WanImageToVideo 中的运动规划，随后 WanMoeKSampler 将高噪声与低噪声轨迹融合，实现动态但连贯的去噪。该流程原生输出 16 FPS 视频，并可选通过 RealESRGAN x2 超分和 RIFE 插值提升至 32 FPS，以生成社交媒体就绪的输出。

主要特性

• 通过 WanMoeKSampler 使用高噪声与低噪声模型进行双专家采样，兼顾运动能量与细节稳定性。

• 自动继承参考图像尺寸，避免长宽比失真，简化设置流程。

• 后处理堆栈：VAEDecode 转为帧，CreateVideo 生成 MP4，可选 RealESRGAN 超分，以及 RIFE x10 时间插值。

输入

• 参考图像加载器、正负 CLIP 提示词，可选音频透传（通过 writer）。

• 默认设置：960×960，65 帧长度，16 FPS 基础帧率。

推荐设置

• 采样器：UniPC + Beta 调度器，步数 4–5，去噪强度 1.0，边界值 0.5，sigma 偏移 5。

• LoRA：LightX2V 高噪声强度 5.6，低噪声强度 2.0。

各模型部署位置

• 扩散模型（GGUF）：

  • Wan2.2-I2V-A14B-HighNoise-Q8_0.gguf — 由 LoaderGGUF 加载并路由至高噪声分支。置于 GGUF 加载器使用的 models 文件夹中。

  • Wan2.2-I2V-A14B-LowNoise-Q8_0.gguf — 由 LoaderGGUF 加载并路由至低噪声分支。与上述模型置于同一 models 文件夹。

• VAE：pig_wan_vae_fp32-f16.gguf — 由 VaeGGUF 加载，并连接至 WanImageToVideo 和 VAEDecode。置于 models/vae 文件夹。

• CLIP 文本编码器：cow-umt5xxl-q8_0.gguf — 由 ClipLoaderGGUF 加载，vision 选 “wan”，projection 选 “default”。置于 models/clip 文件夹。

• LoRAs：wan_loras/lightx2v_I2V_14B_480p_cfg_step_distill_rank128_bf16.safetensors — 通过 LoraLoaderModelOnly 按分支加载，再输入 Power Lora Loader。置于 models/loras/wan_loras 文件夹。

• 超分模型：RealESRGAN_x2plus.pth — 通过 UpscaleModelLoader 输入 ImageUpscaleWithModel。置于 models/upscale_models 文件夹。

• 帧插值：rife49.pth — 由 RIFE VFI 节点使用，插值因子 10，缩放比例 2。置于 models/rife 文件夹。

节点亮点

• WanImageToVideo：根据指定宽高及帧长，从图像与提示词生成潜变量。

• WanMoeKSampler：按分支结合高/低专家，使用 CFG 实现质量控制。

• CreateVideo：16 FPS 组装；RIFE 后使用第二个 writer 输出 32 FPS。

• 工具：多个 cleanGpuUsed 与 RAMCleanup 节点，用于在有限显存下稳定长时间运行。