FFGO: unlocking the multi-image reference potential of Wan2.2
详情
下载文件
模型描述
本工作流采用轻量级的FFGO模型，以释放Wan2.2内部隐藏的多图参考潜力。尽管存在许多基于参考的模型，但极少有专门针对2.2架构优化的，而FFGO并不改变风格——它只是让Wan2.2更愿意同时遵循多个参考图像。通过将多个参考元素合并为一个复合的首帧，模型接收到一组集中的结构与视觉提示，Wan2.2则基于其自身的内部能力补全缺失区域。该方法不依赖训练偏差，也不强制特定方向；若存在任何偏差，也仅源自Wan2.2自身。不推荐使用高噪声或低噪声LoRA，加速型LoRA会显著降低质量，因此本工作流刻意保持克制，以保留基础模型的核心优势。
实际上，整个流程仍是一个标准的Wan2.2图像转视频过程——唯一不同的是，输入变为由多张图像融合而成的复合首帧。这种直接融合避免了传统方法中因拆分元素、经过编辑模型处理、再重新压缩后生成视频所导致的质量损失。Wan2.2在推荐分辨率1280×720（或其反向）及约81帧时表现最佳，可生成最清晰、最稳定的输出结果。输出的前几帧通常反映的是参考图像的构图，而非实际运动，因此裁剪开头是预期中的操作。相比Wan2.1时代的老方法（如Phantom、MagRef或BindWeave）——它们常导致动作受限或相似度降低——本方法更为直接可靠。通过将干净的复合首帧与FFGO触发Wan2.2内部参考行为的能力结合，该工作流提供了一种实用且高效的方式，生成能保持多个元素高度整合、高相似度且质量损失极小的视频。
🎥 YouTube 视频教程
想了解这个工作流究竟是什么，以及如何快速启动？本视频将解释工具定位、如何立即启动工作流，并分享我的核心设计逻辑——无需本地设置，无需复杂环境。一切直接在RunningHub上运行，让你第一时间亲身体验。
👉 YouTube 教程： https://youtu.be/XpR4hp1GIgE
开始前建议完整观看视频——掌握整体背景有助于更快理解工具，避免常见误区。
⚙️ RunningHub 工作流
现在即可在线体验，无需安装。
👉 工作流： https://www.runninghub.ai/post/1992972427164663810/?inviteCode=rh-v1111
若效果符合预期，后续可部署至本地进行自定义。
🎁 粉丝福利： 注册即送 1000积分 + 每日登录100积分 —— 享受4090性能与48GB超强算力！
📺 Bilibili 更新（中国大陆及亚太地区）
若您位于亚太地区，可通过下方视频观看该工作流的演示与创意解析。
📺 B站视频： https://www.bilibili.com/video/BV12nUkBUEYB/
☕ 在Ko-fi支持我
若您觉得我的内容有帮助，并希望支持未来创作，欢迎请我喝杯咖啡 ☕。每一份支持都助我持续创作——如同一粒火种，终能点燃熊熊烈焰。
👉 Ko-fi： https://ko-fi.com/aiksk
💼 商务合作
如需合作或咨询，请通过微信联系 aiksk95。
🎥 YouTube 视频教程
想了解这个工作流到底是怎样的工具，以及如何快速启动？视频主要介绍工具定位、快速启动方法和我的构筑思路。我们将直接在RunningHub上进行演示，让你第一时间看到实际效果。
👉 YouTube 教程： https://youtu.be/XpR4hp1GIgE
开始前建议尽量完整地观看视频——把握整体思路会更快上手，也能少走常见弯路。
⚙️ 在线体验工作流
现在就可以在线体验，无需安装。
👉 工作流： https://www.runninghub.ai/post/1992972427164663810/?inviteCode=rh-v1111
打开上方链接即可直接运行该工作流，实时查看生成效果。如果觉得效果理想，你也可以在本地进行自定义部署。
🎁 粉丝福利： 注册即送 1000积分，每日登录 100积分，畅玩4090体验48G超级性能！
📺 Bilibili 更新（中国大陆及南亚太地区）
如果你在中国大陆或南亚太地区，可以通过下方视频查看该工作流的实测效果与构思讲解。
📺 B站视频： https://www.bilibili.com/video/BV12nUkBUEYB/
我会在夸克网盘持续更新模型资源：👉 https://pan.quark.cn/s/20c6f6f8d87b
这些资源主要面向本地用户，方便进行创作与学习。