Gurren Lagann / Anime Style Wan 2.2 14B Lora
Gurren Lagann / Anime Style Wan 2.2 14B Lora是一个致敬《天元突破》动画美学的 Wan 2.2 风格 LoRA，是一个为 Wan 2.2 T2V 14B 模型设计的风格 LoRA，致力于还原 Gainax 2007 年经典动画《天元突破 红莲螺岩》的独特视觉语言与动态节奏。
Live Wallpaper Style 是一款专为生成动态壁纸风格视频而设计的LoRA，提供了多种版本以满足不同需求，包括 Wan I2V 14B 720P、Wan I2V 14B 480P 和 Hunyuan T2V 版本。以下是关于每个版本的详细说明：
Hunyuan T2V 版本
- 数据集：包含529个手动挑选的视频，分辨率为1280x720x96。
- 训练参数：在244p和72帧、64维下进行训练，使用多张RTX 4090显卡。
- 特点：未使用字幕或激活词，唯一需要调整的是LoRA强度。
- 注意事项：该版本是以完整块的形式训练的，混合2个或更多LoRA时可能表现不佳。如果混合后效果不好，可以尝试禁用单个块。
- 推荐设置：
- LoRA强度：0.2到1.2之间。
- 分辨率：1280×720，或者在512分辨率下生成后进行后期放大。
- 视频时长：至少3秒（72帧 + 1）。
Wan I2V 14B 720P 版本
- 数据集：包含149个手动挑选的视频，分辨率为1280x720x96。
- 训练参数：在244p和480p、64帧、64维下进行训练，使用L40s显卡。
- 特点：使用了触发词，需要在提示中包含以下内容：
l1v3w4llp4p3r - 推荐设置：
- 分辨率：1280×720。
- 视频时长：至少3秒（64帧）。
Wan I2V 14B 480P 版本
- 触发词：
60fps, slow dynamic, high quality video, very detailed - 特点：适合生成低分辨率但高质量的动态视频，适合需要快速渲染或对细节要求较高的场景。
- 推荐设置：
- 分辨率：480p。
- 视频时长：根据需求调整，建议至少2秒（约60帧）
相关图书
wan2.2-14B-Kinestasis_concept-lora-v1
wan2.2-14B-Kinestasis_concept-lora-v1是基于 Wan2.2-I2V-A14B训练的Lora，专注于生成具有高频场景转换特征的视频序列，适用于创意短片、视觉实验或动态蒙太奇风格内容生成。
Street Fighter Hodouken I2V Lora
通过 Street Fighter Hadouken I2V LoRA，你可以轻松将《街头霸王》中的经典“波动拳”招式融入你的视频创作中。无论是经典角色还是自定义形象，只需简单的提示词和参数设置，即可实现极具视觉冲击力的动作效果。
Sigma Face Expression
Sigma Face Expression 是一个典型的“小而精”风格 LoRA，虽不具备广泛适用性，但在特定场景下能带来意想不到的趣味效果。
MOSS-Image i2i LoRAs
这套 MOSS-Image i2i LoRA 为 ComfyUI 打造，包含漫画上色、去文字水印、去马赛克三个独立 LoRA；依托 VAE 潜参考图生图，上色版本数据集充足效果更好，去文字、去遮挡版本训练样本偏少。
MiniMax-H3-Facial-Realism-CloseUp
MiniMax-H3-Facial-Realism-CloseUp 是一款专为 MiniMax H3 模型设计的实验性 LoRA 适配器，显著提升人像特写视频中的面部真实感与微表情细节。
新MOSS-Image CharRef
CharRef v2 是MOSS-Image生态里实用性很强的角色固定方案，依托KV缓存参考编辑路线，省去逐个角色微调LoRA的成本，非常适合漫画、二次元角色跨场景生成；短板集中在写实人脸、精细发型、单参考限制。
MOSS-Image-SFT-4-steps
MOSS-Image-SFT-4-steps v2.0 完成重大改版，精简为单个 LoRA 文件，原生适配标准 Euler 采样器，无需额外自定义组件。它支持 4 步快速出图，中英文字、数字保真度在同类型少步模型中表现突出，最高支持 2048×2048 无平铺生成。
Technically-Color-Z-Image-Turbo
Technically-Color-Z-Image-Turbo 是基于 Z-Image-Turbo 基础模型微调的 LoRA，专为复现 20 世纪经典电影 的标志性视觉风格而设计。
10Eros-Max
10Eros-Max 是一个基于 MiniMax H3 基础模型的实验性分支，旨在通过特征迁移（Feature Transfer）技术，将 LTX 2.3、Wan 2.2 以及 Krea 2 的学习模式融合到 H3 的 Transformer 架构中。该模型在保留 H3 核心音视频生成能力的同时，显著增强了视觉细节、运动连贯性及文本遵循能力。
