一、KJ版Wan2.2介绍
Wan2.2 此次开源的文生视频模型和图生视频模型均为业界首个使用 MoE 架构的视频生成模型，总参数量为 27B，激活参数 14B，均由高噪声专家模型和低噪专家模型组成，分别负责视频的整体布局和细节完善。之前一直分享的是Wan2.2官方版本的工作流，KJ这边的其实也已经同步支持了，今天就来分享下KJ版本的Wan2.2的工作流，听说会比官版的消耗更低的显存，效果更好。我们跟了教程详细看看。
Wan 2.2 相对于 Wan 2.1 有以下升级
整体提升： 抽卡成功率提升，画面美感提升，提示词遵循提升，生成速度提升
·文生视频
- 大幅度复杂动态：复杂动态更稳定自然真实，破碎减少，支持复杂镜头运动变化
- 影视级画面控制：画面质感更真实自然，支持对画面精细化控制，包含光效、景别、运镜、构图等
- 物理世界还原：更强大的语义控制与指令遵循能力，在多目标生成和空间位置准确性上显著提升
·图生视频
- 提升抽卡成功率：优化动作稳定性，减少不规则运镜晃动，去除画面变暗和字幕乱码问题
- 镜头控制：支持固定镜头控制，支持常见运镜
- 一致性优化：对画面中的人像、商品、文字等一致性提升，风格化品类保持性提升
- 性能优化：从目前2.1 约6分钟加速至1分钟，480P 20秒级别
二、相关安装（文末附带模型工作流）
插件还是之前的ComfyUI-WanVideoWrapper，直接升级下即可支持最新的Wan2.2
插件地址：https://github.com/kijai/ComfyUI-WanVideoWrapper（文末网盘附带完整模型）
常用模型就下面这4个，已经同步到网盘，大家自取便可。
umt5_xxl-enc CLIP模型和VAE模型都用Wan 2.1的。
三、测评体验
文生视频：【KJ版】Wan2.2 14B加速文生视频
这边工作流分成了几个模块，把核心给大家介绍下
- 模型加载：高低噪模型的加载，以及lightx2v lora的加载，高噪模型的lightx2v设置的是3，其他的都和之前差不多。
- 提示词词处理：自己写的提示词+这个提示词助手选择的词 扩写的话就是把上面这2个组合的词拿去智能扩写。
- 采样过程：采样的话也分成了两次，高低噪两次采样，我们这里采用了8步采样，前4后4的方式。
- 入参设置：入参这里设置宽高以及视频时长，最后就是提示词的选择，1表示自定义，2表示智能扩写。这次跑的是16帧，速度会快很多。
图生视频：【KJ版】Wan2.2加速图生视频
图生视频我感觉会比官方的好，案例里面对比这边也是分了几个模块，一起展开说说
- 基础模型加载：“参考文生图”
- 提示词封装：文生视频是把图片反推，这里给出的扩写提示词更加的精准
- 采样过程：采样过程同样用的是8步采样，前4后4组合，其实6步也可以，步数越少，视频生成速度越快。
- 参数设置：加载视频、然后设置最长边，设置视频时长，最后就是提示词设置，同样包含自定义以及智能扩写。
四、总结
以上就是最新发布的Wan2.2的KJ版的体验分享了，个人更喜欢KJ版的，占用显存确实比官版的低了，后续的功能KJ支持的更快，大家玩起来吧。
技术的迭代是飞快的，要关注最新的消息才不会掉队。
温馨提示：本站提供的一切软件、教程和内容信息都来自网络收集整理，仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负，版权争议与本站无关。在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。