CausVid：在 Wan2.1 上实现从缓慢双向到快速因果视频生成
ComfyUI Wiki
CausVid 由 lightx2v/tianweiy 开发，将双向 diffusion transformer 适配为 Wan2.1 上的因果自回归视频生成。CVPR 2025，提供 14B fp8 模型与 rank32 LoRA。
C
CausVid
Wan2.1视频生成因果生成自回归CVPR 2025由 lightx2v/tianweiy 开发的因果视频生成模型。将预训练的双向 Wan2.1 diffusion transformer 适配为快速自回归因果生成。CVPR 2025。提供 14B fp8 版本与 rank32 LoRA。
| 开发者 | lightx2v / tianweiy |
| 架构 | 基于 Wan2.1，采用因果自回归注意力 |
| 模型规模 | 14B（fp8），以及 LoRA（rank32） |
| 能力 | 实时因果视频生成、交互式应用 |
概述
CausVid（CVPR 2025）解决了当前视频 diffusion 模型的一个根本性局限：双向注意力依赖关系使其无法用于实时交互。通过将预训练的 Wan2.1 双向 diffusion transformer 改造为因果自回归 transformer，CausVid 实现了逐帧生成，每一帧仅依赖于过去帧，而非整个序列。
这种方法大幅降低了交互式应用的延迟，使其适用于实时视频生成场景，同时保持高质量的输出。
ComfyUI 集成
适用于 Wan2.1 的 CausVid 以 fp8 精度提供，并附带 rank32 LoRA 适配器，可通过 ComfyUI 的 Kijai WanVideoWrapper 使用。
可用变体
| 变体 | 精度 | 描述 |
|---|---|---|
| 14B 基础模型 | fp8 | 核心因果生成模型 |
| LoRA | rank32 | 用于因果生成的微调适配器 |
资源
| 资源 | 链接 |
|---|---|
| GitHub 仓库 | github.com/tianweiy/CausVid |
| 项目主页 | causvid.github.io |
| 论文 | arXiv:2412.07772 |
| Hugging Face（原始） | lightx2v/Wan2.1-T2V-14B-CausVid |
| Hugging Face（Kijai） | Kijai/WanVideo_comfy |
Guides and workflows related to this model series.
No articles found.
评论
使用 GitHub 登录后即可参与讨论。