LongLive-LoRA-Wan2.2-TI2V-5B-nonAR-DMD-main-RGS3-iter646

LongLive-LoRA · Wan2.2-TI2V-5B · main · RGS=3 · iter=646

基于 Wan-AI/Wan2.2-TI2V-5B 的四步、全序列非自回归 DMD Generator LoRA。 本模型来自 main 分支训练批次，训练参数 real_guidance_scale（RGS）=3， 实际训练 checkpoint 为 checkpoint_model_000646。

这是所请求的约 600 iter 档位，实际保存步数为 646；并非精确的 600 iter。

RGS 是训练时真实评分模型的 guidance scale。推理时的 guidance_scale 是单独的参数； 随附配置使用 conditional-only / No CFG（guidance_scale=1.0）。 训练原始配置另存于 training_config.yaml。

文件与使用

• generator_lora.pt：LongLive-LoRA 原生格式，包含 generator_lora 和实际 step=646。
• adapter_model.safetensors：相同 Generator LoRA 张量的 safetensors 格式。
• adapter_config.json：PEFT 配置，包含全部 300 个目标模块。
• inference_config.yaml：非自回归、四步、No CFG 的推理配置覆盖项。
• training_config.yaml：与该训练批次记录的 SHA-256 一致的训练配置。
• load_generator_lora.py：读取上述任意一种权重格式。
• provenance.json：训练来源、实际步数、RGS 及文件 SHA-256。

from huggingface_hub import hf_hub_download

lora_path = hf_hub_download(
    repo_id="Perflow-Shuai/LongLive-LoRA-Wan2.2-TI2V-5B-nonAR-DMD-main-RGS3-iter646",
    filename="generator_lora.pt",
)

在 LongLive-LoRA 中将 checkpoints.lora_ckpt 设为 lora_path，使用 generator_is_causal: false、LoRA rank/alpha 128/128、sampling_steps: 4 和 guidance_scale: 1.0。请按实际环境填写基模及 prompt 路径。 这些权重使用 LongLive-LoRA / 原生 Wan 模型的模块命名，通用 Diffusers 管线可能需要键名转换。

来源与校验

本发布仅无损提取 Generator LoRA，未打包基模、Critic LoRA、优化器或 RNG / dataloader 状态。 两个权重格式均与原始 checkpoint 的 600 个 Generator 张量逐一进行数值相等校验， 并检查张量形状、有限值与文件 SHA-256。此次发布未另行执行生成视频的质量评测。

• Source branch: main
• Source Git commit: b3b2c6839dc16a414496b25d7e663ec48770a4f4
• Source tree SHA-256: fc65d5e65854f2f7c9e9d8fb758dc40a3599bcab135e33636405866644a069a8
• Source checkpoint SHA-256: aaf91a14502d340477c875d1216ec0edfd87486c29f5b0daec4e16d4a8a593f8

训练代码身份同时记录 Git commit 与 source-tree digest。 该批次与已有的 dev/nonAR iter1500 发布来源不同。