基于WAN 2.1高性能的文本转视频模型速览：Wan14BT2VFusioniX

Wan2.1_14B_FusionX

一、模型概述

Wan2.1_14B_FusionX 是一种高性能的文本转视频模型，建立在 WAN 2.1 的基础上，并与多个研究级组件融合，以提升视频生成的运动质量、场景一致性和视觉细节。该模型专为 ComfyUI 工作流程优化，能够在 6 步骤内完成快速迭代，即使在仅 8 步骤时也能提供出色的性能表现。

二、技术细节

• 模型融合 ：该模型整合了 CausVid（用于因果运动建模，提升流动性和动态效果）、AccVideo（改善时间对齐和加速）、MoviiGen1.1（提供电影般的平滑度和照明效果）、MPS Reward LoRA（针对运动和细节进行调整）以及定制的 LoRAs（增强纹理、清晰度和细节）等多个组件，所有合并模型均采用宽松的开源许可（Apache 2.0/MIT）。

• 性能表现 ：在 6 步骤内即可工作，最佳质量出现在 8–10 步骤，可作为 Wan2.1-T2V-14B 的即插即用替代品，与 SageAttn 搭配使用时渲染速度可提升高达 50%，并且支持原生 WAN 工作流程（速度略慢）。

三、使用细节

• 文本转视频 ：CGF 必须设置为 1；位移方面，1024x576 分辨率从 1 开始，1080x720 分辨率从 2 开始，追求写实风格时选择较低值，追求风格化效果时可尝试 3–9；推荐使用 uni_pc 调度器，也可选择 flowmatch_causvid（在某些细节上表现更优）。

• 图片转视频 ：CGF 为 1，位移在大多数情况下以 2 为最佳，推荐使用 dmp++_sde/beta 调度器，若想增强运动效果并减少慢动作，可将帧数设为 121，帧率设为 24。

四、性能技巧

在 RTX 5090 上，以 1024x576 分辨率和 81 帧生成视频大约需要 138 秒。如果显存有限，可以启用块交换，从 5 个块开始并根据需要调整，使用 SageAttn（仅限包装器）可提速约 30%，但不要使用 teacache。如果要增强视频效果，可尝试 “增强视频” 功能，设置值为 2–4，而 “SLG” 尚未经过测试，可以自行探索。

五、提示词辅助

为了获得更优质的电影效果，可以使用 WAN 电影视频提示词生成器 GPT，它能增加视觉丰富度，对提升质量大有帮助。