Wan 2.2高/低噪声模型如何分工?两阶段去噪架构原理深度解析
Wan 2.2高/低噪声模型如何分工?两阶段去噪架构原理深度解析
Wan 2.2 是一组开源的 AI 视频生成模型,其 14B 系列被拆分为 high_noise(高噪声)与 low_noise(低噪声)两个配对模型。本文面向新手,用一篇看懂"两阶段去噪架构"的分工原理:谁负责构图与运动,谁负责细节与质感,以及如何在 ComfyUI 中正确组合这两个模型文件。
1️⃣ 先搞懂"去噪":视频是怎么从噪声里长出来的
Wan 2.2 属于扩散模型(Diffusion Model)家族,生成过程可以类比"在浓雾里一步步擦出画面":
- 起点:纯随机噪声(雾最浓)
- 过程:每一步迭代去除一部分噪声,画面逐渐清晰
- 终点:一段连贯的视频
Wan 2.2 的 14B 系列(T2V / I2V 等)做了一个关键设计:把去噪过程拆成两个阶段,各用一个独立的专家模型负责,这就是"两阶段去噪架构"。
2️⃣ 核心原理:高噪声与低噪声模型如何分工
两个阶段的任务本质不同,所以用两个"各有所长"的专家模型分工协作:
| 阶段 | 负责的模型 | 噪声水平 | 核心任务 |
|---|---|---|---|
| 第一阶段(前半段步数) | high_noise 高噪声模型 |
高噪声 → 中等噪声 | 决定"骨架":画面构图、主体位置、镜头运动、动作走向 |
| 第二阶段(后半段步数) | low_noise 低噪声模型 |
中等噪声 → 接近零噪声 | 打磨"血肉":纹理细节、光影质感、画面稳定性 |
这种设计在技术实现上属于 MoE(Mixture of Experts,专家混合) 思路:
- 两个专家模型各自独立训练,只专精自己那一段噪声区间
- 采样进行到预设的噪声边界时,自动切换到低噪声专家接手
- 好处是:高噪声阶段可以把全部容量用于学习大范围运动与结构,低噪声阶段专注细节,最终视频比单模型"从头去噪到尾"更流畅、更稳定
💡 对新手的关键认知:切换过程由 ComfyUI 工作流自动完成,你只需要在工作流里同时加载两个模型文件,无需手动配置步数边界。
3️⃣ 项目中的模型文件:哪些是"成对"的
本仓库是 Wan 2.2 系列面向 ComfyUI 的重新打包模型文件(详见 README.md),所有 14B 双专家模型都以成对文件形式存放在 split_files/diffusion_models/ 目录下:
注意:哪些模型不需要成对下载
以下模型是单阶段架构,只有一个文件即可:
- 轻量 5B 全能模型:wan2.2_ti2v_5B_fp16.safetensors
- 音频驱动视频 S2V:wan2.2_s2v_14B_bf16.safetensors
- 动作迁移 Animate:wan2.2_animate_14B_bf16.safetensors
- 图片编辑 ChronoEdit:chrono_edit_14B_fp16.safetensors
精度版本怎么选?
| 文件后缀 | 精度 | 适用场景 |
|---|---|---|
fp16 / bf16 |
全精度 | 显存充足(≥24GB)时首选,质量最好 |
fp8_scaled |
8 位量化 | 显存吃紧时的替代方案,质量略有损失 |
例如显存有限时,可用 wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors + wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors 组成一对。
4️⃣ 配套文件:加速 LoRA 也是"成对"的
仓库还收录了 lightx2v 的 4 步加速 LoRA(把采样步数大幅压缩以提速),由于它分别增强两个专家,所以同样按高/低噪声成对存放,位于 split_files/loras/ 目录:
- 文生视频加速:wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors 与 wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors
- 图生视频加速:wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors 与 wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
⚠️ 使用提醒:high LoRA 只挂在高噪声专家上,low LoRA 只挂在低噪声专家上,两个专家、两个 LoRA 一一对应,不要张冠李戴。
5️⃣ 文件放置位置(一键对齐目录)
按照 README.md 中的目录结构,将模型放入 ComfyUI 对应文件夹即可:
ComfyUI/
├── models/
│ ├── diffusion_models/ ← 高/低噪声专家模型
│ ├── loras/ ← 加速 LoRA(成对)
│ ├── text_encoders/ ← 文本编码器
│ ├── vae/ ← 视频 VAE
│ └── audio_encoders/ ← 音频编码器(S2V 用)
除扩散模型外,别忘了配套文件:
- 文本编码器:umt5_xxl_fp16.safetensors
- 视频 VAE:wan2.2_vae.safetensors
6️⃣ ComfyUI 中的工作流逻辑:两个模型如何接力
在官方 14B 工作流中,两阶段分工通过节点体现,理解这个接力过程即可看懂所有 Wan 2.2 工作流:
- 第一个 UNET Loader 加载
high_noise模型,驱动第一阶段采样(大步数去噪) - 到达噪声边界后,第二个采样节点 自动切换
- 第二个 UNET Loader 加载
low_noise模型,完成第二阶段采样(精细去噪) - 输出视频由 VAE 解码还原
整个过程无需手动干预,工作流模板已经编排好接力顺序,加载对应模型文件直接运行即可。
7️⃣ 新手常见问题 FAQ
Q1:显存不够,只下载一个模型行不行?
不建议。单独使用任一专家都无法覆盖完整去噪区间,视频会出现结构松散或细节缺失。正确姿势是下载同任务的一对,显存不足时改选 fp8_scaled 版本。
Q2:5B 模型为什么没有 high/low 拆分?
5B 的 ti2v 是轻量单阶段模型,用一个模型完成全部去噪,牺牲部分质量换取更低门槛,适合中低端显卡快速出片。
Q3:T2V 和 I2V 的高/低噪声模型可以混用吗?
不可以。文生视频与图生视频是两个独立训练的任务模型,各自的 high/low 专家只能同任务配对使用。
Q4:如何验证两个模型都装好了?
在 ComfyUI 的模型下拉列表中,若 high_noise 与 low_noise 两个文件均能正常选择且无红色报错节点,即表示双专家配置完整。
总结
- Wan 2.2 的 14B 系列采用两阶段去噪架构:高噪声专家定构图与运动,低噪声专家磨细节与质感
- 下载模型时认准
high_noise+low_noise成对,任务与精度版本保持一致 - 5B、S2V、Animate、ChronoEdit 为单阶段模型,单文件即可运行
- 加速 LoRA 同样成对使用,与对应专家一一对应
理解了这个"双专家接力"的分工逻辑,你就能轻松驾驭 ComfyUI 中所有 Wan 2.2 双模型工作流,生成更稳定、更流畅的 AI 视频。