Wan2.2-Fun-A14B-Control_ low_noise_model.safetensors
返回

Wan2.2-Fun-A14B-Control_ low_noise_model.safetensors
0 0 3

女生

男生

建筑物

动物

植物

Wan2.2-Fun-A14B-Control_ low_noise_model.safetensors

由于Wan2.2的参数非常大，我们需要考虑显存节省方案，以节省显存适应消费级显卡。我们给每个预测文件都提供了GPU_memory_mode，可以在model_cpu_offload，model_cpu_offload_and_qfloat8，sequential_cpu_offload中进行选择。该方案同样适用于CogVideoX-Fun的生成。

  • model_cpu_offload代表整个模型在使用后会进入cpu，可以节省部分显存。
  • model_cpu_offload_and_qfloat8代表整个模型在使用后会进入cpu，并且对transformer模型进行了float8的量化，可以节省更多的显存。
  • sequential_cpu_offload代表模型的每一层在使用后会进入cpu，速度较慢，节省大量显存。
此模型源自站外搬运（搬运地址: https://hf-mirror.com/alibaba-pai/Wan2.2-Fun-A14B-Control/tree/main/low_noise_model ），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_ys0q1xeu

user_ys0q1xeu

女生

男生

建筑物

动物

植物

模型信息

模型类型：
Unet
基础模型：
WAN2.2
文件名称：
models/unet/Wan2.2-Fun-A14B-Control_ low_noise_model.safetensors
MD5：
b2515a058184e20033f88aef6c28d0f7

由于Wan2.2的参数非常大，我们需要考虑显存节省方案，以节省显存适应消费级显卡。我们给每个预测文件都提供了GPU_memory_mode，可以在model_cpu_offload，model_cpu_offload_and_qfloat8，sequential_cpu_offload中进行选择。该方案同样适用于CogVideoX-Fun的生成。

  • model_cpu_offload代表整个模型在使用后会进入cpu，可以节省部分显存。
  • model_cpu_offload_and_qfloat8代表整个模型在使用后会进入cpu，并且对transformer模型进行了float8的量化，可以节省更多的显存。
  • sequential_cpu_offload代表模型的每一层在使用后会进入cpu，速度较慢，节省大量显存。
此模型源自站外搬运（搬运地址: https://hf-mirror.com/alibaba-pai/Wan2.2-Fun-A14B-Control/tree/main/low_noise_model ），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。