Wan21 CausVid 14B T2V lora rank32
返回

Wan21 CausVid 14B T2V lora rank32
0 1 27

摄影

Wan21 CausVid 14B T2V lora rank32

  1. 基础模型：Wan2.1-T2V-14B

    • 架构：采用扩散Transformer（DiT）框架，结合因果3D变分自编码器（Wan-VAE），支持1080P视频无损压缩与长时序生成710。

    • 性能：在VBench评测中以86.22%总分超越Sora等模型，尤其在物理规律还原（如流体、碰撞）和运动连贯性上表现突出35。

    • 多语言支持：唯一支持中英双语文本嵌入的视频生成模型，可动态生成文字特效（如广告字幕）710。

  2. LoRA微调机制

    • 原理：通过低秩适配（Low-Rank Adaptation）注入少量可训练参数（约0.1%原始参数量），冻结原模型权重，仅调整适配层实现风格/主题迁移9。

    • Rank32含义：指适配矩阵的秩（Rank）为32，平衡了训练效率与表达能力——更高Rank提升拟合能力但增加显存占用，Rank32适合消费级GPU（如RTX 4090）910。

    • 训练工具：基于 Diffusion-Pipe 管道并行框架，支持单卡（如A10G）微调，需10-15张带标注图片（每图配文本描述+固定触发词）9。

此模型源自站外搬运（搬运地址: https://github.com/Wan-Video/Wan2.1 ），若原作者对于本次搬运的结果存在异议，可点
申诉
我们会在 24 小时内，按照原作者的要求，对本模型展开编辑、删除或是转移给原作者等相关处理。由衷欢迎原作者入驻本站，共建 AI绘图的学习交流社区。

user_m0f4opea

user_m0f4opea

摄影

模型信息

原创作者：
阿里巴巴
模型类型：
LoRA
基础模型：
WAN2.1
文件名称：
models/loras/Wan21_CausVid_14B_T2V_lora_rank32.safetensors
MD5：
a01352e232d437f3edacb3f89a5396b0

  1. 基础模型：Wan2.1-T2V-14B

    • 架构：采用扩散Transformer（DiT）框架，结合因果3D变分自编码器（Wan-VAE），支持1080P视频无损压缩与长时序生成710。

    • 性能：在VBench评测中以86.22%总分超越Sora等模型，尤其在物理规律还原（如流体、碰撞）和运动连贯性上表现突出35。

    • 多语言支持：唯一支持中英双语文本嵌入的视频生成模型，可动态生成文字特效（如广告字幕）710。

  2. LoRA微调机制

    • 原理：通过低秩适配（Low-Rank Adaptation）注入少量可训练参数（约0.1%原始参数量），冻结原模型权重，仅调整适配层实现风格/主题迁移9。

    • Rank32含义：指适配矩阵的秩（Rank）为32，平衡了训练效率与表达能力——更高Rank提升拟合能力但增加显存占用，Rank32适合消费级GPU（如RTX 4090）910。

    • 训练工具：基于 Diffusion-Pipe 管道并行框架，支持单卡（如A10G）微调，需10-15张带标注图片（每图配文本描述+固定触发词）9。

此模型源自站外搬运（搬运地址: https://github.com/Wan-Video/Wan2.1 ），若原作者对于本次搬运的结果存在异议，可点
申诉
我们会在 24 小时内，按照原作者的要求，对本模型展开编辑、删除或是转移给原作者等相关处理。由衷欢迎原作者入驻本站，共建 AI绘图的学习交流社区。