H1111：面向 Wan2.2 / FramePack / MultiTalk 的专业视频生成图形界面最新版

H1111 是一个为 kohya-ss/musubi-tuner 推理脚本打造的图形化前端，专为高性能、高画质视频生成设计。它不仅支持主流视频模型，还集成了显存优化、LoRA 管理、多任务队列等实用功能，是当前最完整的本地视频生成工具之一。

支持的模型家族

H1111 当前支持以下视频模型的推理：

• WanX 系列（T2V / I2V / V2V）
• Hunyuan 系列（T2V / I2V / V2V）
• FramePack（基于 Hunyuan I2V 的增强实现）
• SkyReels-V2（Wan2.1 微调版）
• MultiTalk（音频驱动多角色对话视频）

其中，Wan2.2 是目前开发最活跃的主线，推荐使用两个分支：

• wan2.2b：最稳定，适合日常使用
• lightx2v：功能最全，支持 4 步 LoRA 快速生成

切换分支只需执行：

git switch wan2.2b   # 或 lightx2v

核心特性

1. 极致显存优化

• Block Swapping：默认开启，有效降低显存峰值
• FP8 + FP8 Scaled：在 24GB 显卡（如 RTX 4090）上可显著提速，同时保留关键 FP16 信息
• RamTorch 集成（ramtorch 分支）：
  通过 CPU-GPU 混合参数加载，显存占用大幅降低，实测比 Block Swapping 更快。
  → 使用时请勾选界面底部 “Use Bouncing Linear (Max VRAM Savings)”
  （感谢 Lodestone / RamTorch）

2. 多任务并行

• 支持多标签页队列，可同时提交多个不同任务（如不同提示、不同 LoRA），共用同一模型实例，提升 GPU 利用率。

3. LoRA 兼容与转换

• 自动识别 /lora 文件夹中的 LoRA
• 非 musubi 训练的 LoRA 必须先转换：使用内置 “Convert LoRA” 标签页，输出将自动保存至 /lora
• 已验证兼容 LoRA：
  Wan2.1_I2V_14B_FusionX_LoRA.safetensors

模型使用指南

FramePack（Hunyuan I2V 增强版）

模型文件要求（放入 H1111/hunyuan/）：

• FramePackI2V_HY_bf16.safetensors（或 FramePack_F1_I2V_HY_20250503.safetensors）
• clip_l.safetensors
• llava_llama3_fp16.safetensors
• model.safetensors
• pytorch_model.pt

下载地址：maybleMyers/framepack_h1111

使用建议：

• 仅支持 UniPC 采样器
• 推荐使用 musubi 训练的 LoRA，普通 Hunyuan LoRA 效果不佳
• 支持 4 张分段控制图（参考 images/sectional.png）
• 支持分段提示（用 ;;; 分隔）：

0:A blue penguin runs into McDonalds.;;;1:He jumps on a table and eats...;;;2:He flexes his muscles.

性能参考（RTX 4090）：

• 最高画质（FP16 + SDPA + Block Swapping）：~1分17秒/秒视频
• 极速模式（FP8 Scaled + 关闭部分 swap）：~3秒/迭代

详细文档：FramePack 使用说明

MultiTalk（音频驱动多角色对话）

模型文件要求（放入 H1111/wan/）：

1. wan2.1_i2v_480p_14B_fp16.safetensors（必须精确命名）
2. multitalk.safetensors（来自 MeiGen-AI）
3. chinese-wav2vec2-base/（音频编码器）

模型来源：

• maybleMyers/wan_files_for_h1111
• MeiGen-AI/MultiTalk

安装依赖：

pip install -r requirementsMulti.txt

使用提示：

• 目前仅在 Linux 充分测试，Windows 安装较复杂
• 显存设置：24GB 卡建议 Low VRAM = 5，48GB 卡设为 20
• 生成速度慢：RTX 4090 生成 25 秒视频约需 7 小时
• 支持 BBoxes 交互控制：在图像上框选“person 1”、“person 2”匹配音频角色

论文：Let Them Talk (arXiv:2505.22647)

SkyReels-V2 与 WanX

• SkyReels-V2 模型已上传至 maybleMyers/wan_files_for_h1111
  • SkyReels-V2-I2V-14B-720P-FP16.safetensors
  • SkyReels-V2-I2V-14B-540P-FP16.safetensors
    → 直接放入 wan/ 文件夹，在 WanX-i2v 标签页使用
• WanX 全套依赖（I2V/T2V）需手动下载 T5、CLIP、VAE、DiT 权重（详见项目说明）

安装与环境（Windows 推荐）

系统要求：

• Windows 10/11
• Python 3.10
• CUDA 12.8（支持 Torch 2.7.0）

安装命令（PowerShell）：

python -m venv env
env\Scripts\activate
pip install typing-extensions
pip install torch==2.7.0+cu128 torchvision==0.22.0+cu128 --index-url https://download.pytorch.org/whl/cu128
pip install -r requirementsTorch27.txt
pip install -U "triton-windows<3.4"
pip install .\sageattention-2.1.1+cu128torch2.7.0-cp310-cp310-win_amd64.whl

Sage Attention 在 Windows 上需预编译 wheel，项目已提供。

画质 vs 速度：如何取舍？

项目设计哲学：优先保证画质，速度优化为辅。