WAN 2.1 物理动效 LoRA 横评：11 款实测排名与方法论

在 AI 视频生成领域，LoRA（低秩适配）模型常被用来为特定动作或效果做微调。一位 Reddit 用户对 WAN 2.1 图生视频模型上的 11 款物理动效类 LoRA 进行了一次控制变量式横评，用光流分析（optical flow）和帧间差分能量取代了主观感受，得出了一份颇具方法论价值的排名。

测试方法：同种子、同提示、同驱动视频

这次测评最值得称道的是它的严谨性。测试者固定了随机种子（seed）、提示词（prompt）和驱动视频，唯一变量就是所使用的 LoRA。这样才能确保排名反映的是 LoRA 本身的差异，而非其他随机因素。

评分从两个维度展开：

• 物理表现（Physics）：运动是否符合真实软组织的行为？
• 形态表现（Shape）：形状在解剖学上是否自然？

关键在于，测试者强调评判标准是「变形链条」（deformation chain），而不是单纯的位移幅度——动得多不等于动得真。这个理念贯穿整个测评，也是它区别于普通「看感觉」评价的核心。

光流分析（Optical Flow）是计算机视觉中用于估算视频帧间像素运动的技术，通过追踪相邻帧之间亮度模式的变化，生成每个像素的运动向量场。在视频质量评估中，它可以量化运动的幅度、方向和连贯性，远比人眼直觉更客观。帧间差分能量则更为简单直接：计算相邻帧对应像素灰度差的平方和，数值越高意味着帧间变化越剧烈。两者结合使用，既能衡量运动有多强（帧间差分），也能判断运动是否有组织、有方向（光流相干性），而不是随机的像素噪声。这正是本次测评能区分「真实运动」与「画面抖动」的技术基础。

结果：11 款里只有 3 款真正起了作用

最出人意料的发现是，11 款 LoRA 中只有 3 款产生了有意义的效果。更糟糕的是，有 4 款的评分低于无 LoRA 的对照组——也就是说它们不是效果弱，而是方向完全错了，反而让画面动得更少。

排名前列的结果如下：

LoRA	物理	形态	评价
Bouncing_Breasts...HIGH_v1.0	★★★★★	★★★★☆	🏆 综合最佳
big_breasts_v2	★★★☆☆	★★★☆☆	稳健
BoobPhysic_HighNoise	★★★★☆	★☆☆☆☆	动得好但形态假
jiggle_tits-14b	☆☆☆☆☆	★★★★★	形态最佳但零效果

两个维度的「打架」恰恰是最有价值的部分。BoobPhysic 的运动响应最强，但形态是个球体——上半部过于饱满，缺乏自然的下垂坡度，动起来像皮球而非柔软的悬挂物体。而 jiggle_tits-14b 形态最自然（干净的水滴形），却完全没有运动效果，甚至是负增益。

另一个反直觉的现象：同一系列的 Perky HIGH 版本表现竟然比 Perky LOW 更差。命名里的「HIGH」本应意味着更强，实际却相反——提醒用户不能只看命名判断强度。

冠军为什么「物理正确」

测试者用了一段相当到位的物理学解释来说明冠军的优势。软组织不是刚体，而是悬挂在胸壁上的顺应性质量块，其自由端的真实行为需要满足三点：

• 滞后（lag）：相对胸壁的惯性延迟
• 过冲（overshoot）：顺应性带来的超调
• 衰减振荡（ring down）：在 2–4 个周期内逐渐平息

用光流测得的关键数据如下：

LoRA	悬臂增益	传播延迟	相干性
Bouncing_Breasts	2.09	62.5 ms	0.718
BoobPhysic	2.95	31.2 ms	0.568
big_breasts_v2	2.59	62.5 ms	0.668

BoobPhysic 虽然在原始增益上最高，但相干性（coherence）最低——它的自由端各自为政地乱动，而不是作为一条有组织的链条运动。真正的胜负手在于：当身体减速停下后，Bouncing_Breasts 仍保留相对对照组 +50% 的运动量。这种「身体停了它还在动」的表现，正是惯性的体现，也是真实感的来源。

文中提到的「悬臂增益」（cantilever gain）借用了结构力学的概念：将软组织类比为一端固定、另一端自由的悬臂梁，自由端的位移幅度与固定端输入运动之比即为增益。增益越高说明自由端响应越敏感，但高增益并不必然意味着真实——关键还在于相干性（coherence）。相干性衡量的是自由端各点运动向量的一致程度：相干性接近 1 说明该区域作为整体协调运动，趋近 0 则意味着各点各自乱动，类似于随机噪声。BoobPhysic 的增益最高（2.95）但相干性最低（0.568），说明它产生的是局部混乱的像素扰动，而非一条从固定端传导到自由端的有序变形链条。这种差异在单帧截图中几乎不可见，必须通过光流向量场才能识别。

结论与必读的注意事项

最终结论清晰：

• 🏆 综合最佳：Bouncing_Breasts_Wan2.2_14B_I2V_HIGH_v1.0，物理与形态双高。
• 更硬朗/更快的替代：BoobPhysic_HighNoise，但形态偏「假体感」。
• 建议跳过：排名后半段的全部型号。

不过测试者列出的几条注意事项同样重要，也体现了严谨态度：

• 整体效果都不大，相对基础运动仅在 −3% 到 +18% 之间，这些都是微妙的修饰器，而非剧烈改变。
• 部分 LoRA 在第一轮以降低的强度运行，其分数属于「下限值」。
• 管线中的 RIFE ×2 插帧会平滑高频细节，因此无法准确测量阻尼比。
• 形态是从单帧、单角度判断的，未测试 1.0 以上的剂量响应、其他姿势、身份保持与时间稳定性。

对 AI 视频调优的启示

抛开题材本身，这篇测评的方法论对任何做 AI 视频微调的人都有参考价值。它证明了几件事：LoRA 的命名和宣称的强度并不可靠，需要实测验证；用可量化的指标（光流、帧间能量）替代主观感受，能揭示单看画面难以发现的差异；评价「真实感」时，运动的组织性（相干性）往往比运动幅度更关键。

对于希望在 WAN 系列模型上做效果调优的用户，这种「固定变量 + 量化评分」的思路，比盲目堆叠 LoRA 更能找到真正有用的组件。

LoRA（Low-Rank Adaptation，低秩适配）是一种参数高效的模型微调方法，其核心思路是：不修改预训练模型的全部权重，而是在原权重矩阵旁并联一个低秩分解的小矩阵（两个瘦高矩阵的乘积），训练时只更新这个小矩阵。由于低秩矩阵的参数量远小于原始权重，LoRA 可以用极少的计算资源将大模型适配到特定风格或动作。在视频生成场景中，LoRA 通常以附加权重文件的形式发布，用户在推理时以特定「强度」（weight）叠加到基础模型上。强度过低效果不显，过高则可能破坏画面质量或身份一致性——这也是本次测评注意事项中提及「剂量响应」尚未测试的原因。