Aether Crash Zoom

Aether Crash Zoom 是一个专为 Wan 2.2 5B (i2v) 模型设计的轻量适配 LoRA，旨在实现一种极具张力的视觉效果——从远距离构图中突然高速推进，聚焦于远处主体。

这种“快速变焦”（Crash Zoom）手法常见于电影、预告片与音乐视频中，能瞬间凝聚观众注意力，营造强烈的戏剧感和情绪冲击。

核心能力

• ✅ 实现从远景到主体的高速、连贯放大
• ✅ 模拟远摄镜头压缩景深的视觉特征
• ✅ 增强画面动态张力，突出人物或关键元素
• ✅ 专为 Wan 2.2 5B i2v 架构训练，推理稳定

适用场景：诗意开场、角色登场、悬念构建、MV 镜头设计等需要“瞬间聚焦”的视觉表达。

技术定位：i2v 工作流的动态增强器

Aether Crash Zoom 是一个面向特定运镜行为的控制增强Lora。

它依赖一张起始图像定义画面构图与主体位置，随后在时间维度上引导模型执行“快速放大”动作。
这意味着：

• 输入 = 一张静态图像 + 文本指令 + LoRA
• 输出 = 一段带有明确变焦轨迹的短视频

目前仅针对 图像到视频（i2v） 流程进行训练。文本到视频（t2v）理论上可行，但尚未验证（训练者 @joachim_s 未测试）。

使用方法

1. 输入准备：起始图像

• 图像中必须包含你希望放大的主体；
• 建议采用中远景构图（如人物位于远处山坡、街道尽头等），以体现“由远及近”的空间压缩感；
• 主体应清晰可辨，避免遮挡或模糊。

2. 提示词格式

rapid zoom in on [subject]

📌 示例：

rapid zoom in on a lone warrior standing still on a distant hilltop

⚠️ 注意：

• 主体描述需与图像内容一致；
• 不要使用抽象或泛化词汇（如“someone”），应具体明确；
• 保持语言简洁、具电影感，避免冗长修饰。

推荐生成参数

更长视频（>3秒）可能仍有效果，但需注意运动连贯性下降风险，欢迎社区分享实测结果。

最佳实践建议

✅ 推荐做法

• 使用构图简洁、主体突出的初始图像；
• 主体为人像时效果最佳（训练数据侧重人类）；
• 配合低光照、雾气、逆光等氛围增强戏剧性；
• 后期可叠加音效或配乐，强化“镜头冲击”体验。

❌ 避免情况

• 多主体混乱场景（LoRA 可能无法准确锁定目标）；
• 主体过小或被严重遮挡；
• 极端抽象或非现实风格图像（可能破坏运动逻辑）。