Введение в FusionX

Wan FusionX представляет собой прорыв в области генерации видео, объединяющий ключевые возможности экосистемы WAN в единую модель слияния, работающую на основе NAG (Normalized Attention Guidance — нормализованного управления вниманием). Интегрируя модели, такие как CausVid, AccVideo, MoviiGen1.1, и усовершенствования LoRA, FusionX обеспечивает качество видео уровня киноиндустрии как в процессе генерации текста в видео, так и при преобразовании изображений в видео.

FusionX дает возможность создавать высококачественные, плавные и визуально точные видеорезультаты с минимальным количеством шагов. Этот инструмент предназначен для создателей контента, режиссёров и художников, стремящихся получать кинематографические последовательности по текстовым или графическим подсказкам. Благодаря быстрой визуализации, эффективному использованию памяти и улучшенной точности интерпретации промптов, FusionX становится идеальным выбором для профессиональной генерации видео высокого класса.

Ключевые модели FusionX

Wan2.1-14B-Fusionx_Image2Video

Model Loader — это основной диффузионный механизм преобразования изображений в видео, специально разработанный для временного расширения одного изображения в динамическую последовательность кадров. Он загружает модель Wan2.1-14B-Fusionx_Image2Video и включает ряд продвинутых технологий:

Temporal Fusion: расширяет статическое изображение в согласованную серию кадров, создавая естественное движение и кинематографическую плавность.
Квантование (fp8_e5m2): оптимизирует использование памяти и ускоряет процесс вывода без потери общего качества.
Torch Compile и BlockSwap: повышают производительность и эффективность использования памяти, обеспечивая более плавную генерацию длинных видеопоследовательностей.

Эта модель выступает в качестве центрального ядра, объединяющего латенты изображения, текстовую семантику и динамику движения для создания высококачественных анимированных видеорезультатов.

Как использовать FusionX

Необходимые входные данные

Чтобы начать работу с FusionX, необходимо задать текстовое описание через поле Prompt, которое определяет содержание и стиль сцены. Дополнительно можно загрузить изображение в качестве базового ориентира — это обязательный элемент для сценариев типа image-to-video. Эти данные необходимы для генерации последовательных и качественных видеорядов в соответствии с требованиями FusionX.

Дополнительные входные данные и настройки

Можно регулировать параметры, такие как Steps и Shift, а также задать значение Seed для управления процессом выборки. Управление параметрами Width, Height и Number of Frames позволяет настроить размер итогового видео и длину последовательности. Кроме того, можно изменять частоту кадров (Frames Per Second) или выбирать формат вывода (Output Format) в соответствии с творческими целями.

Результаты

FusionX создает видеопоследовательности, максимально соответствующие заданным текстовым или графическим промптам. При использовании рекомендованных настроек можно получить разрешения 1024x576 или 1080x720 и плавную частоту кадров, создающую кинематографический эффект. Результаты сохраняются в стандартных видеоформатах, выбранных через параметр Output Format.

Рекомендации по использованию

При работе с FusionX рекомендуется удерживать параметр Steps в диапазоне от 6 до 10 для оптимального соотношения скорости и качества, а также всегда использовать настройки, совместимые с CFG. Корректировка параметра Shift в зависимости от разрешения обеспечивает наилучший результат. Чтобы добиться более плавного движения, увеличьте число кадров (Number of Frames) и установите подходящую частоту Frames Per Second перед объединением в итоговое видео.

Wan 2.1 — генератор видео на основе текста | Text to Video