FusionX: Filmreifes Text-/Bild-zu-Video | Bild zu Video

Einführung in FusionX

Wan FusionX stellt einen bahnbrechenden Fortschritt in der Videogenerierung dar, der die zentralen Stärken des WAN-Ökosystems in einem einzigen Fusionsmodell vereint, angetrieben durch NAG (Normalized Attention Guidance). Durch die Integration von Modellen wie CausVid, AccVideo, MoviiGen1.1 und LoRA-Optimierungen bietet es kinoreife Videoqualität sowohl in Text-zu-Video- als auch in Bild-zu-Video-Workflows.

FusionX ermöglicht es, hochwertige, flüssige und visuell präzise Videoausgaben mit minimalem Aufwand zu erstellen. Es wurde entwickelt für Kreative, Filmemacher und Künstler, die kinotaugliche Sequenzen aus Text- oder Bildprompts erzeugen möchten. Mit schnellerem Rendering, effizienter Speichernutzung und präziserer Prompt-Umsetzung ist FusionX die ideale Wahl für professionelle Videogenerierung.

Zentrale Modelle für FusionX

Wan2.1-14B-Fusionx_Image2Video

Der Model Loader ist das Kernstück des Image-to-Video-Diffusionsmodells, das speziell darauf ausgelegt ist, aus einem einzigen Bild durch zeitliche Erweiterung dynamische Videoframes zu erzeugen. Es lädt das Modell Wan2.1-14B-Fusionx_Image2Video und integriert mehrere fortschrittliche Funktionen:

• Temporale Fusion: Erweitert statische Bildlatents zu kohärenten Frame-Sequenzen und erzeugt dadurch natürliche Bewegungen und einen filmischen Fluss.
• Quantisierung (fp8_e5m2): Optimiert die Speichernutzung und beschleunigt die Inferenz, ohne dabei die Gesamtqualität zu beeinträchtigen.
• Torch Compile & BlockSwap: Steigert Effizienz und Leistung und ermöglicht die reibungslose Erzeugung längerer Videosequenzen.

Dieses Modell fungiert als zentrale Engine, die Bildlatents, Textsemantik und Bewegungsdynamik vereint, um hochwertige, animierte Videoausgaben zu generieren.

Verwendung von FusionX

Erforderliche Eingaben

Um mit FusionX zu arbeiten, legen Sie zunächst eine textuelle Beschreibung über den Prompt-Eingabebereich fest, der Inhalt und Stil Ihrer Szene definiert. Optional kann ein Bild als Referenzbasis geladen werden – erforderlich für Bild-zu-Video-Szenarien. Diese Eingaben sind entscheidend, um zusammenhängende und qualitativ hochwertige Videosequenzen gemäß den Anforderungen von FusionX zu erzeugen.

Optionale Eingaben und Steuerungen

Sie können Parameter wie Steps und Shift zusammen mit einem Seed-Wert konfigurieren, um den Sampling-Prozess zu steuern. Durch die Anpassung von Breite, Höhe und Anzahl der Frames lässt sich die Ausgabegröße und Sequenzlänge gezielt gestalten. Zudem können Frames Per Second sowie das Ausgabeformat für den finalen Videoexport festgelegt werden, um kreative Zielsetzungen optimal umzusetzen.

Ausgaben

FusionX erzeugt Videosequenzen, die präzise mit den eingegebenen Text- oder Bildprompts übereinstimmen. Mit den empfohlenen Einstellungen lassen sich Auflösungen wie 1024x576 oder 1080x720 und gleichmäßig flüssige Bildraten für einen kinoreifen Look erzielen. Die Ausgaben werden in gängigen Video-Dateiformaten generiert, welche über den Eingabeparameter Output Format festgelegt werden.

Best Practices

Bei der Nutzung von FusionX sollte der Steps-Parameter zwischen 6 und 10 liegen, um ein ausgewogenes Verhältnis zwischen Geschwindigkeit und Qualität zu gewährleisten. Achten Sie darauf, die CFG-Kompatibilität mit den bereitgestellten Einstellungen beizubehalten. Eine Anpassung von Shift in Abhängigkeit von der Auflösung liefert optimale Ergebnisse. Für flüssigere Bewegungen erhöhen Sie die Anzahl der Frames und passen die Frames Per Second entsprechend an, bevor die Sequenzen zu einem finalen Video exportiert werden.