本地多模態 AI 每週亮點

🔑 增強重點摘要

• •Wan2.2 採用 Mixture of Experts (MoE) 架構，訓練數據較前代 Wan2.1 增加 65.6% 圖像與 83.2% 影片，提升運動、語義與美學泛化能力[3]。
• •Wan2.2 Lightning LoRA 蒸餾版本僅需 4 步驟與低 CFG，即可實現 20 倍加速複雜運動生成，適合低 VRAM 環境[3]。
• •Wan2.2 Rapid-AllInOne 由 Phr00t 開發，將模型、加速器、CLIP 與 VAE 合併成單一檔案，僅 4 步驟即可在低端硬體運行[5]。
• •Lightx2v V2 LoRA 結合 Wan2.2 實現兩階段採樣，將 40 步驟壓縮至 8-14 步驟，加速達 4 倍且維持高品質[4]。

🛠️ 技術深入

• •Wan2.2 支援多模態生成，包括 T2V、I2V、S2V 與角色動畫，5B 模型僅需 8GB VRAM，在 RTX4090 上生成 720P 影片約 6 分鐘[6][3]。
• •優化技術包括 Flash Attention 3、TF32、Magcache 與 Torch Compile，將 Wan2.2 I2V 推理時間從 250 秒降至 109 秒，加速 2.28 倍[2]。
• •Voltagepark 優化 Wan2.2 透過批次前向傳遞、Sage Attention 與 TeaCache，總推理時間從 187 秒降至 60 秒，加速 3.1 倍[1]。
• •Lightx2v V2 使用高噪音模型建立結構、後低噪音細化，結合 LCM 採樣與低 CFG 降低 VRAM 需求[4]。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線