Wan2.1_14B_FusionX

如果你正在寻找一款性能强劲、细节丰富且速度更快的视频生成模型模型，那么你一定不能错过这款新发布的融合模型：

Wan2.1_14B_FusionX

这是在 WAN 2.1 基础上进一步优化的新版本，通过融合多个研究级模型，在运动质量、场景一致性、视觉细节等方面实现了显著提升，甚至可媲美部分闭源模型。

🔍 模型亮点一览

🧠 融合了哪些模型？

Wan2.1_14B_FusionX 并非单一模型，而是由多个高质量子模型融合而成，各组件分工明确：

• CausVid：因果运动建模，提升动态流畅度和场景过渡；
• AccVideo：增强时间对齐与真实感，加快处理速度；
• MoviiGen1.1：电影级光影与动作优化，让画面更具“大片感”；
• MPS Reward LoRA：专为运动细节与纹理锐化设计；
• 自定义 LoRAs：强化面部细节、清晰度与整体质感。

这些模型协同工作，使得最终输出的视频不仅速度快，而且在细节表现和动作连贯性上远超原版 WAN 2.1。

⚙️ 使用建议：关键参数设置指南

📝 文本到视频（Text-to-Video）

• CFG（无分类器引导）：必须设为 1，高于此值会导致画质下降。
• Shift 值：
  • 1024x576 分辨率 → 推荐从 1 开始
  • 1080x720 分辨率 → 推荐从 2 开始
  • 真实感优先 → 使用较低 Shift（1-2）
  • 风格化需求高 → 尝试较高 Shift（3-9）
• 调度器（Scheduler）：
  • 推荐使用 Uni_pc 或 flowmatch_causvid，后者有助于提升细节表现。

🖼 图像到视频（Image-to-Video）

• CFG：同样保持为 1
• Shift：建议设为 2，可根据需求实验调整
• 调度器：推荐使用 dmp++_sde/beta
• 帧数与帧率建议：
  • 设置 121 帧 / 24 FPS 可显著提升动态流畅度，减少慢动作感

🚀 性能与效率优化建议

• 最低步骤数：6 步可用于草稿预览，速度极快
• 最佳质量步数：8–10 步，兼顾质量与效率
• SageAttn 加速：启用后可提升 30% 的生成速度（仅限 Kaji Wan Wrapper）
• 显存优化策略：
  • 启用 块交换（block swapping），初始建议设置为 5 块
  • 若显存不足，可选择 GGUF 模型，但注意其生成时间会略长于 FP16 模型

🧪 推荐工具链与插件

• Kaji Wan Wrapper 自定义节点：https://github.com/kijai/ComfyUI-WanVideoWrapper
  • 优化性能，支持 SageAttn，生成效率更高
• ComfyUI 原生 WAN 工作流
  • 效果与 Wrapper 相当，但生成速度略慢
• 其他 LoRAs 支持：可叠加风格类 LoRAs，进一步定制画面风格
• 不建议重复添加：CausVid、AccVideo 和 MPS Reward LoRAs 已内置，重复加载可能导致异常结果

🧩 工作流说明与获取方式

目前已有以下工作流支持：

• Phantom 工作流（即将发布）：支持最多 4 张参考图像合成视频
• I2V Phantom 模型：已发布，适用于图像驱动视频生成
• GGUF 模型：提供多种选项，适合不同显存配置用户

👉 所有工作流文件可在此项目页面下载，并直接拖入 ComfyUI 中使用。