AnimeGen-T2V-A14B-Lightning-int4动漫提示词指南:如何写出电影级动漫感提示
AnimeGen-T2V-A14B-Lightning-int4动漫提示词指南:如何写出电影级动漫感提示
AnimeGen-T2V-A14B-Lightning-int4 是一款面向动漫文生视频的 MLX 转换模型,可让 Apple Silicon(M 系列芯片)用户在 Mac 上本地生成动漫视频。本指南面向新手:无需调参经验,掌握一套动漫提示词写法与推荐生成参数,就能做出电影级动漫感的视频。
📌 模型速览:AnimeGen-T2V-A14B-Lightning-int4 里有什么
该项目是动漫特化模型 aidealab/AnimeGen-T2V(基于 Wan2.2-T2V-A14B 双专家 MoE 全量微调)的 int4 量化 Lightning 检查点,核心特点:
- 少步、免 CFG:已离线合并 Lightning 加速 LoRA,8 步采样即可出片
- 专为 Apple Silicon 优化:MLX 框架 + int4 量化,832×480 分辨率下峰值显存约 42 GB,64 GB 内存的 Mac 即可运行
仓库核心文件及作用:
| 文件 | 作用 |
|---|---|
| high_noise_model.safetensors | 高噪声专家(int4 量化),负责视频生成的早期粗形阶段 |
| low_noise_model.safetensors | 低噪声专家(int4 量化),负责后期细节精修阶段 |
| t5_encoder.safetensors | umT5-XXL 文本编码器,把你的动漫提示词转成模型能理解的语义 |
| vae.safetensors | 16 通道 Wan VAE,把潜空间表示还原为最终视频帧 |
| config.json | Wan2.2-A14B 结构配置与量化元数据 |
训练来源与量化细节可参考 README.md。
✍️ 动漫提示词五段式框架
好的动漫提示词不在长,而在结构。模型文本编码器支持中文理解,推荐按「主体 → 动作 → 场景 → 镜头 → 风格」五段组织:
- 主体:人物/物体 + 外观特征,如「银发白裙少女」「白色机甲」
- 动作:单一清晰动作,如「转身回眸」「奔跑」——视频中单一主动作远比堆砌多个动作稳定
- 场景:环境 + 时段,如「黄昏的校园天台」「霓虹雨夜街道」
- 镜头:景别 + 运镜,如「中景」「缓慢推近」「环绕镜头」——这是电影感的关键
- 风格:动漫风格与光影词,如「日系赛璐璐风格」「电影级光影」
动漫提示词模板:
[风格]动漫,[主体],正在[动作],[场景]中,[景别]镜头[运镜],[光影与氛围]
示例:
日系动漫风格,银发白裙少女,在黄昏校园天台上奔跑,中景镜头缓慢推近,金色逆光,电影级光影,青橙色调
🎬 电影级动漫感的 5 个技巧
- 光线要具体:「逆光」「黄昏暖光」「霓虹冷光」「电影布光」比「漂亮」「好看」这类形容词更能塑造氛围
- 运镜只选一个:推、拉、摇、移、跟选其一;多个运镜叠加会让画面抖动失控
- 单一主动作锁住画面:1 秒视频仅 17 帧,动作一多就会中途截断变形
- 氛围细节加分:雨丝、樱花瓣、尘埃、光斑等粒子元素,让画面更有电影质感
- 色调收束:「低饱和青橙色调」「胶片颗粒」能直接拉出电影海报感
🚫 负面提示词:排除什么
该模型为 CFG-free 推理,但仍支持负面提示词。config.json 中内置了基础模型默认负面提示词,生成时可参考这类常见表述:
过曝,静态,细节模糊不清,整体发灰,低质量,多余的手指,画得不好的手部,畸形的肢体,静止不动的画面,混乱的背景,三条腿,倒着走
遇到「手部畸形」「画面不动」等问题时,把对应描述加进负面提示词即可。
⚡ 推荐生成参数速查表
模型卡推荐的推理配方(详见 README.md 的 Recommended inference recipe 一节):
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 采样器 | euler | CFG-free(guidance 1.0) |
| 步数 | 8 | 配合 shift 3.0 即可保证质量 |
| 分辨率 | 832×480 或 1280×720 | 前者更快,后者细节更好 |
| 帧数 | 16×秒数 + 1 | 必须满足 4n+1,1 秒 = 17 帧 |
| 帧率 | 16 fps | 固定值 |
📌 显存参考:832×480 / 17 帧 / 8 步下,峰值内存约 42 GB。
❓ 常见问题
Q:生成出来是不动的静止画面? A:提示词缺少明确「动作」或动作太多。只保留一个主动作,并强化动作描写。
Q:手部、脸部容易畸形? A:这是该模型的已知短板,把「多余的手指,画得不好的手部」加入负面提示词;特写手部时建议改用全身或中景构图。
Q:能生成 2 秒、5 秒的视频吗? A:可以,按「16×秒数+1」计算帧数:2 秒 = 33 帧,5 秒 = 81 帧(config.json 中默认 frame_num 正是 81)。时长越长,显存与耗时越高。
🚀 开始创作
克隆模型仓库到本地:
git clone https://gitcode.com/hf_mirrors/mlx-community/AnimeGen-T2V-A14B-Lightning-int4