license: apache-2.0 language:

• en base_model:
• Wan-AI/Wan2.1-T2V-14B pipeline_tag: text-to-video tags:
• text-to-video
• text-to-image
• lora
• diffusers
• template:diffusion-lora widget:
• text: >- 视频展示了一个沿海村庄遭遇t5un@m1级真实海啸袭击的场景。建筑物被淹没，船只倾覆，街道上散落着残骸，人们正在撤离该区域。 output: url: example_videos/tsunami1.mp4
• text: >- 视频呈现了一个停满船只和摩托艇的海滩。海水突然退去，随后t5un@m1级真实海啸汹涌袭来，卷走了海滩上所有物体。天空晴朗无云。 output: url: example_videos/tsunami2.mp4
• text: >- 视频记录了t5un@m1级真实海啸巨浪冲击海岸线的过程。巨浪规模庞大且威力惊人，所经之处尽数摧毁。浪径中有多艘船只和建筑物。海水呈现浑浊的棕褐色。 output: url: example_videos/tsunami3.mp4
• text: >- 视频展现了遭受t5un@m1级真实海啸后的沿海城市。整座城市被洪水淹没，大量建筑物和汽车损毁。天空呈现深灰色调。 output: url: example_videos/tsunami4.mp4

模型文件与推理流程

📥 下载链接：

• tsunami_4_epochs.safetensors - LoRA模型文件
• wan_txt2vid_lora_workflow.json - ComfyUI专用Wan文生视频LoRA工作流

---

推荐参数设置

• LoRA强度： 1.0
• 嵌入式引导尺度： 6.0
• 流场偏移量： 5.0

触发词

核心触发短语为：t5un@m1级真实海啸

提示词模板

请参考示例提示词，当前模板结构已验证具有最佳生成效果。

ComfyUI工作流

本LoRA需配合Kijai开发的Wan视频封装工作流修改版使用，主要修改是增加了连接基础模型的Wan LoRA节点。

修改后的工作流文件可在上方下载区获取。

模型信息

模型权重文件采用Safetensors格式存储，详见上方下载区。

训练详情

• 基础模型： Wan2.1 14B文生视频模型
• 训练数据： 使用74段真实海啸视频片段（每段独立标注）进行训练，总时长6分钟
• 训练周期： 4轮

补充说明

训练过程使用Diffusion Pipe训练工具完成

致谢

特别感谢Kijai开发的ComfyUI Wan视频封装工具，以及tdrussell提供的训练脚本！