参数扫描实验：探索Wan2.1的输入参数
最近，我们一直在研究某机构的WAN2.1文本到视频模型。与大多数图像和视频生成模型一样，Wan模型有许多输入参数，每一个都可能对生成输出的质量产生深远影响。
调整这些神秘的输入会发生什么？让我们一探究竟。
实验设计
我们想观察“引导尺度”和“偏移”这两个输入参数如何影响输出。在我们的实验中，我们使用了WAN2.1 14b文本到视频模型，分辨率为720p。
为此，我们进行了所谓的“参数扫描”，系统地测试不同输入值的组合，以了解它们如何影响输出。我们为引导尺度和偏移值的每一种组合生成了视频，同时保持所有其他参数不变。
我们在所有视频中保持以下输入一致：
- 提示词：“夜晚，一位微笑的女性在伦敦行走”
- 种子：42
- 帧数：81
- 采样步数：30
然后，我们只改变以下两个输入，测试一系列值：
- sample_guide_scale：从 0 到 10
- sample_shift：从 1 到 9
如果你想自己运行类似的实验，我们已将用于生成这些参数扫描的代码分享在GitHub上。
什么是引导尺度？
你可以将引导尺度视为“创造力与服从度”的调节旋钮。
- 在 guide_scale=0 时，模型会忽略你的提示词。
- 随着你提高这个值，模型会努力匹配你的提示词。
- 较低的值：更多的创作自由。
- 较高的值：更字面化的解释。
以下是将其从0调到10时的变化：
什么是偏移？
偏移控制模型在去噪过程中如何移动，影响视频中的运动和时间流。它基本上控制着生成视频中的“时间流动”。
- 较低的值：更平滑、更可预测的运动。
- 较高的值：更具动感但有时是混乱的运动。
以下是将偏移从1改变到9时的变化：
我们在这些视频中观察到的现象
关于引导尺度：
- guide_scale=0：非常怪异但有趣的输出。富有创意，但与提示词几乎无关。
- guide_scale=1-2：奇怪的伪影，尤其是在女性嘴部周围。
- guide_scale=3-7：👈 最佳区间。看起来自然，问题最少。
- guide_scale=8+：令人畏惧的“AI感”开始显现——那种过度处理、闪亮的皮肤，明显是“由AI制造”的。
建议：进行怪异创意时使用0，追求逼真结果时使用3-7，避免8+，除非你想要那种AI闪光感。
关于偏移值（均在 guide_scale=5 条件下）：
- shift=1：产生酷炫的“滑动变焦效果”，背景扭曲，但人物看起来很真实。
- shift=3-6：展示了不同女性（不同肤色，均为深色头发）位于画面左侧，并带有拉远的透视效果。
- shift=7-9：持续显示一位金发女性位于画面右侧，这些值的结果出奇地相似。
总体而言，较高的偏移值往往看起来更好，但其差异比引导尺度的变化更为微妙。
为何这很重要
正确设置这些参数，决定着你的视频看起来是业余水平还是近乎专业水平。大多数人只是使用默认值，但了解如何调整这些参数能让你对输出有更多的控制权。现在，你不必再猜测了。
有你想了解的其他参数吗？
