4.8 KiB
4.8 KiB
14B 排查与画质对比
范围与判断边界
作者否定 5B 测试的画质后，同意排查 14B 显存问题、进行同首帧对比并重新校准首帧。只使用 192.168.10.51:8188 现有服务、模型与节点；未重启服务、停止其他 GPU 服务、安装节点或下载模型。
使用 ComfyUI / comfy-debug 技能定位执行错误，使用 imagegen 内置工具修订首帧，使用 FFmpeg 技能抽帧与格式检查。原文件保留。
可核实的错误证据
- 旧 14B 任务
182e26dd-a53c-4643-8c88-1a26fbc62674在节点 14（低噪 KSamplerAdvanced）报torch.OutOfMemoryError。 - 高噪采样节点 13 已执行；错误栈位于模型加载、权重补丁、
requantize_from_float、FP8 stochastic rounding 路径。 - 旧工作流使用高噪和低噪两份 4-step LightX2V LoRA。这使 LoRA 权重补丁的量化临时分配成为排查对象，但仅凭错误栈不能断言唯一根因，也不能断言是另一个服务占卡。
- 当前 HTTP API 只提供该 ComfyUI 进程与设备的统计，未读取宿主机 GPU 进程表。
- 发现
wanBlockSwap节点实际上是核心拦截不稳定扩展后的 no-op，不能靠插入它解决内存问题；未使用。
新工作流
沿用已保存的官方模板常规分支：高噪/低噪 14B FP8 scaled，不接加速 LoRA，20 步，CFG 3.5，Euler/simple，shift 5；前 10 步高噪，后 10 步低噪，Wan 2.1 VAE。保留同一首帧 V01、同一 V02 动作提示词。种子分别记录于各目录 job.json，本对比不是同种子、同帧数的严格单变量实验。
| 版本 | 目的 | 尺寸与长度 | 状态 |
|---|---|---|---|
| V02 5B | 已交付基线 | 1024×576，145 帧/24 fps | 已完成 |
| V03 14B | 小规模验证两阶段运行 | 768×432，49 帧/16 fps | 已完成，任务 f6c0810f-5a8a-49eb-8633-4b0c8ba0eeb2 |
| V04 14B | 同尺寸画质与动作对比 | 1024×576，81 帧/16 fps | 已完成，任务 9da75712-dfc8-431c-9c47-6221be7ed021 |
V03 已查看接触表中的 5 张有效抽帧：可见伸手放手机、收回手臂；末格为接触表未填满的背景，不据此判定视频黑帧。V03 仅验证该较小尺寸能跑通，不据此宣称所有分辨率已修复。
首帧修订候选
first_frame_v02_style_review.png：内置 image_gen 编辑 V01，用户原画风参考只用于上色与线条。first_frame_v02_prompt.txt：本次实际完整提示词。- 保持构图、人物身份、工作服和动作起点；简化衣服小褶皱，提升中间调，明确赛璐璐阴影，移除墙面文字。
- 已查看生成结果，画面更简洁，仍是候选，未获作者批准。为隔离模型输出差异，V03/V04 仍使用原首帧 V01。
重现
- 短测试：
render_locker.py --take 3；已提交后只用--take 3 --collect。 - 对比版：
render_locker.py --take 4；已提交后只用--take 4 --collect。 - 每版包含 API/GUI 工作流、种子、服务快照、历史和输出；远程 Workflows →
hearthfire_tests/2026-09-29_EP01_LOCKER_PHONE_WAN22_14B_NO_LORA_V04.json。 watch_progress.py是只读、45 秒有界的 WebSocket 进度监听器，不控制或取消任务。
V04 结果与判断
- 视频：
V04_14B_画质对比/2026-09-29_EP01_LOCKER_PHONE_WAN22_14B_NO_LORA_V04_00001.mp4。 - 运行成功；从提交到客户端下载结束约 781 秒（约 13 分钟，含轮询/下载等待，不是纯 GPU 计算时间）。
- 实测 5.0625 秒、81 帧、1024×576、16 fps、H.264 High/yuv420p、BT.709；792,278 字节；无音轨、无字幕。
- 格式/内容自动检查 8 项：6 通过、0 失败、2 提示（未制作音轨和字幕）；0% 黑场，最长检测冻结 0 秒。
- 已查看 6 帧接触表以及
compare_5B_left_14B_right_2p5s.png，后者左 5B、右 14B，均取 2.5 秒，单侧保持 1024×576 原输出尺寸。时间相同不代表动作相位完全相同，不能据此计算像素相似度或宣布模型普遍优劣。 - 视觉判断：放下手机和收回手臂的动作可读；14B 对原图衣服线条/细节的保留略好，但不是质的提升。画风仍偏普通工业场景动画，尚未达到作者给定参考的审美标准。柜门附近出现原首帧没有明确给出的细小金色挂件，属于背景一致性问题；未标为正式镜头。
- 技术判断：在未停其他服务、未重启、未安装节点的情况下，较高尺寸/81 帧的无 LoRA 常规分支成功完成。因此原 4-step LoRA 路径不是当前必须采用的路径，已找到本次可执行的替代方案；不宣称唯一根因已证明或任何尺寸都不会 OOM。
- 后续建议：先由作者确认新的首帧画风候选，再决定继续图生视频；不要仅靠提高分辨率或参数量来宣称达到动画品质。新候选尚未用于 V04。
- 本轮不提交/推送 Git，原图与所有测试版本保留。