Wan2.1 t2v模型Lora Fine-Tune

该模型基于主流的视频Diffusion（扩散模型）和Transformer架构。扩散模型通过逐步去除噪声来生成数据，而Transformer架构则基于自注意力机制（Attention）捕捉长时程依赖关系，从而生成时空一致的高质量视频。在权威评测集VBench中，Wan2.1的14B参数专业版本以总分86.22%的成绩大幅超越了国内外其他模型（如Sora、Luma、Pika等），稳居榜首位置
^[1]。该模型能够生成复杂运动、还原真实物理规律、提升影视质感，并优化指令遵循。