Wan2.2高噪动态LoRA训练：分辨率、帧数分桶与高低噪配合

作者：@T8star-Aix

本期补充 Wan2.2 图生视频的动态 LoRA 训练，使用建筑变圣诞树的效果说明：如何降低高噪阶段训练的开销，怎样设置视频帧数分桶，以及如何把动作训练和外观训练分别放在高、低噪模型中处理。以下参数均为作者当时的演示设置，不是所有训练任务的统一推荐值。

一、高噪动态训练为什么尝试低分辨率（03:29–05:44）
作者使用少量视频素材演示训练，并将高噪模型描述为主要处理运动与整体构建、低噪模型处理后续细节。在这组图生视频配置中，高噪训练时间步设为0.9至1.0，作者据此尝试把训练分辨率降到192，以减少多帧视频的训练负担。

这是本次动作特效的速度与细节取舍，不能据此断言所有高噪任务都应使用192，或把演示速度当作其他显卡、视频长度及批次下的保证。

二、按视频长度检查帧数分桶（05:45–07:24）
视频讲到全局分桶和目录级分桶的区别。目录级配置可以单独设置，验证目录也不一定沿用全局的全部帧数桶。作者用几秒钟的视频说明，需要结合帧率、素材长度以及所选帧数桶检查配置；不要只改一个全局值，就认为所有训练和验证目录都已同步。

分辨率与帧数相关配置确认后，再进入图生视频训练配置。视频中的具体字段名称、分桶数值及适配规则建议结合原画面核对，本文不把口述示例扩写成通用公式。

三、调整显存、保存间隔和学习率（07:25–09:04）
在降低训练分辨率后，作者尝试减少 Block Swap，以在显存允许时换取训练速度；批次和梯度累积仍应按实际硬件与训练配置调整。图生视频学习率也做了调整，但自动转录无法可靠确认其精确数值，因此这里不提供可直接照填的数字。

训练结果在输出目录中查看。数据集很小、批次较大时，一个轮次可能很快完成，按每轮保存会产生大量检查点。作者因此建议把保存间隔适当调大，例如每5轮或10轮保存一次，再按自己的观察需要调整。

四、动作与外观分别训练、分别加载（09:05–10:26）
如果圣诞树变换动作已经符合要求，但树的外观还不理想，作者提出先准备符合目标样式的图片，再训练低噪模型对应的 LoRA，用于补充外观细节；高噪模型继续负责动态部分。

作者特别提醒，本次训练的高噪 LoRA 不应直接放到低噪模型对应的位置。其核心思路是分开处理动态和样式，再在工作流中组合。实际模型兼容性仍应以使用的底模、LoRA和工作流说明为准。

相关资源（来自原视频简介，未验证当前可用性）：
【Wan2.2建筑变圣诞树特效图生视频V1（LoRA版）：https://www.runninghub.cn/post/1 ... _source=kol01-RH099】
【Wan2.2训练镜像：https://www.chenyu.cn/console/ne ... vitationCode=NGT5S4】
原简介说明，训练配置、训练集和整合包可通过向原作者发送口令“Wan训练整合包”获取；具体方式及当前可用性请以原视频页面为准。

本文依据原视频完整音频的AI转录整理；涉及效果与参数的内容为原作者演示和说明，并非本站独立实测。本文为内容摘要，不替代完整操作教程；专业字段、界面位置及效果对比请结合原视频查看。

补充资料（原帖技术资源）：
节点地图：https://github.com/T8mars/Comfyui-Aix-NodeMap
Comfy-Org/Qwen-Image_ComfyUI：https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI
晨羽智云Kontext训练镜像(T8版)：https://www.chenyu.cn/console/newShare?uuid=e0fee1b741e543238014e1c87ddcd67a&invitationCode=NGT5S4