WAN2.1文本转视频模型参数调优指南

WAN2.1 参数扫描

近期对某机构的WAN2.1文本转视频模型进行了探索。与大多数图像和视频生成模型一样，WAN模型拥有许多输入参数，每个参数都可能对生成输出的质量产生深远影响。

调整这些神秘的输入参数会发生什么？让我们一探究竟。

实验设计

实验旨在观察引导系数和偏移输入参数如何影响输出。实验使用了WAN2.1 14b文本转视频模型，分辨率为720p。

为此，进行了一项“参数扫描”实验，系统地测试不同输入值的组合，以理解它们对输出的影响。为每一对引导系数和偏移值的组合生成了视频，同时保持所有其他参数不变。

在所有生成的视频中，以下输入参数保持一致：

• 提示词: “夜晚，一位微笑的女子在伦敦行走”
• 随机种子: 42
• 帧数: 81
• 采样步数: 30

然后仅调整以下两个输入参数，对一系列数值进行测试：

• 引导系数: 从 0 到 10
• 偏移值: 从 1 到 9

如果想自行运行类似实验，已将用于生成这些参数扫描的代码分享在GitHub上。

什么是引导系数？

可以将引导系数理解为“创造力与服从性”的调节旋钮。

• 当 guide_scale=0 时，模型会忽略你的提示词。
• 随着数值增加，模型会更努力地匹配你的提示词。
  • 较低的值: 赋予模型更多创作自由。
  • 较高的值: 导致对提示词更字面的解读。

下图展示了将其从0调整到10时的变化：

什么是偏移值？

偏移值控制模型在去噪过程中的推进方式，影响视频中的运动和时间流动。它基本上控制着生成视频的“时间流”。

• 较低的值: 运动更平滑、更可预测。
• 较高的值: 运动更具动态感，但有时会显得混乱。

下图展示了将偏移值从1调整到9时的变化：

实验观察

关于引导系数：

• guide_scale=0: 输出非常奇特但有趣。有创意，但与提示词几乎无关。
• guide_scale=1-2: 出现奇怪的伪影，尤其是在女子嘴部周围。
• guide_scale=3-7: :backhand_index_pointing_left: 最佳范围。看起来自然，问题最少。
• guide_scale=8+: 可怕的“AI感”开始显现——那种过度处理、发亮的皮肤，明显是AI制作的痕迹。

建议：寻求奇特创意效果时使用0，追求逼真结果时使用3-7，除非想要那种AI光泽感，否则避免使用8及以上。

关于偏移值（均在 guide_scale=5 条件下测试）：

• shift=1: 产生酷炫的“滑动变焦效果”，背景扭曲但人物看起来真实。
• shift=3-6: 显示不同的女性（不同肤色，均为深色头发）位于画面左侧，视角更为广阔。
• shift=7-9: 持续显示一位金发女性位于画面右侧，这些数值下的结果出奇地相似。

总体而言，较高的偏移值往往看起来效果更好，但其差异比引导系数的变化更为微妙。

为何这很重要

正确设置这些参数，是区分业余水平视频与近乎专业水准视频的关键。

大多数人只是使用默认参数，但了解如何调整这些参数可以让你对输出结果有更强的控制力。

现在，你不再需要猜测了。

是否有其他想了解的参数？请告诉我们！
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码