Walkyrie 1.3B：基于 Wan2.1 架构的轻量级文本生图模型，6GB 显存即可运行的高质量 T2I 新选择

在大型扩散模型日益臃肿的今天，如何在有限硬件上获得高质量生成效果成为一大挑战。Walkyrie 1.3B 是一个从强大的 Wan2.1-T2V-1.3B（文生视频）模型衍生而来的**文生图（T2I）**模型。

• GitHub：https://github.com/kpsss34/walkyrie
• 模型：https://huggingface.co/kpsss34/Walkyrie-1.3B-v1.0

通过修剪文本编码器并针对静态图像生成进行专门重训，Walkyrie 在保留 Wan2.1 卓越理解能力的同时，大幅降低了推理成本和显存占用，让 6-8GB 显存的显卡也能流畅体验高端文生图乐趣。

核心亮点：轻量化与高性能的平衡

1. 极致轻量，低显存友好

• 编码器修剪：将原始的 UMT5 文本编码器修剪至约 1B 参数，显著减少内存占用并加快推理速度。
• 硬件门槛低：
  • 16GB+ VRAM：可运行全精度 bfloat16 模式，获得最佳画质。
  • 6-8GB VRAM：通过启用 enable_model_cpu_offload()，即可在消费级显卡上流畅运行。

2. 专为图像生成优化

• 架构重构：不同于直接借用视频模型帧，Walkyrie 经过专门的 T2I 微调，去除了时间维度冗余，专注于空间细节与构图美感。
• 高质量输出：推荐使用 1024×1024 分辨率，生成图像具备丰富的细节和准确的光影表现。

3. 完善的 ComfyUI 支持

• 原生节点：提供专用的 ComfyUI 自定义节点，搜索 “Walkyrie” 即可使用。
• 多精度支持：提供 bf16 和 fp8 两种版本权重，满足不同精度与速度需求。
• 标准组件：兼容 AutoencoderKLWan VAE 和 FlowMatchEulerDiscreteScheduler 调度器，工作流搭建简单直观。

模型技术参数

快速开始：ComfyUI 部署指南

1. 安装插件

安装插件，并确保你的环境中安装了正确版本的 diffusers：

git clone https://github.com/kpsss34/walkyrie.git

2. 下载模型权重

从 Hugging Face 仓库 kpsss34/Walkyrie-1.3B-v1.0 下载模型文件：

• Walkyrie_bf16.safetensors (推荐，画质最佳)
• Walkyrie_fp8.safetensors (速度更快，显存更低)

将文件放入 ComfyUI 目录：
ComfyUI/models/checkpoints/

3. 构建工作流

1. 启动 ComfyUI。
2. 右键点击画布，搜索并添加 Walkyrie 相关节点（或通过官方提供的自定义节点包加载）。
3. 加载 checkpoint，连接 VAE 和调度器。
4. 输入提示词，设置分辨率为 1024×1024，点击生成。

💡 低显存用户提示：如果在 6-8GB 显存设备上遇到 OOM（显存溢出），请在加载模型后启用 CPU Offload 功能，或尝试使用 FP8 版本权重。

未来路线图

Walkyrie 团队正在规划更多激动人心的版本：

• Anime Style：专为动漫风格优化的版本（即将推出）。
• Turbo：极速推理版本，旨在进一步缩短生成时间（即将推出）。
• Walkyrie-13B：更大参数规模的旗舰版本（需社区资金支持）。