musubi-tuner Windows 訓練 Wan 2.2 i2v LoRA 完整實錄：19 次失敗、5 次 BSOD、8 個踩坑解法

TL;DR

- 本文解決： 把自己的卡通形象訓成 Wan 2.2 i2v LoRA，再變成 scroll-aware 動畫掛上個人形象網站

- 推薦給： 想用自己訓練的 character LoRA 做動畫的個人品牌經營者、踩過 musubi-tuner 在 Windows + 4070 12GB 雷的人

- 讀完你會知道： 為什麼 LoRA「看起來訓壞」其實是 lightx2v 加速 LoRA 蓋過效果；Windows 上 musubi-tuner 的 8 個地雷與修法；i2v 角色一致性靠的不是 LoRA 是起始圖；用 IntersectionObserver 在 Astro 站把影片按 scroll 切換的最小可行做法

📌 目錄

🎮 事情怎麼開始：本來只是 LoL 開不起來

2026-05-09 晚上想開 League of Legends 放鬆，跳出 VAN-57。10 分鐘以為能解決，結果開機連續 5 次 BSOD，bugcheck 都是 0x1E 或 0x3B，dump 裡有 vgk.sys（Riot Vanguard kernel driver）。

修了一晚最後找到的 root cause 不單純：

• ✅ TPM 2.0 / Secure Boot / UEFI 都在
• ✅ 不是 Intel 13/14 代電壓問題（我是 AMD）
• ❌ GIGABYTE Control Center 的 gdrv3.sys + MsIo64.sys + iocbios2.sys 三個主機板 kernel driver 跟新版 BIOS + Vanguard 在 fp8 / state_dict swap 路徑上鬥到爆

sc stop vgc
sc stop vgk
sc delete vgc
sc delete vgk
rmdir /S /Q "C:\Program Files\Riot Vanguard"

加上停掉 Razer driver、BIOS Load Defaults。重點是：清掉 Vanguard 之後 GPU 跑滿載 8 小時沒事。

LoL 不能玩了，那就拿這台 GPU 訓 LoRA 吧。

---

🧪 Wan 2.2 i2v LoRA 在 4070 12GB 上的 8 個地雷

訓練配置：Wan 2.2 i2v-A14B + musubi-tuner + RTX 4070 12GB + Windows 11 + 40 張角色訓練圖。我是個跑了 19 次失敗 才讓 step counter 真的前進的人。每一次失敗都是 Windows + musubi-tuner 邊角的一個地雷。

⚠️ 雷區清單

🔥 wan_train_network.py 開頭 UTF-8 救命 patch

musubi-tuner 在 accelerator.print 寫日文，Windows 中文系統 (cp950) 直接炸：

import sys
import io
try:
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='replace', line_buffering=True)
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8', errors='replace', line_buffering=True)
except Exception:
    pass

加在 src/musubi_tuner/wan_train_network.py 第 1 行（任何 import 之前），日文 print 變成 ? 但不會崩 — 比設環境變數 PYTHONIOENCODING 可靠（環境變數對 accelerate spawn 出的 subprocess 不一定 cascade 過去）。

🛠️ 最終 working .bat（給你直接抄）

@echo off
cd /d D:\ai-tools\musubi-tuner
set PYTHONIOENCODING=utf-8
set PYTHONUTF8=1
accelerate launch --num_cpu_threads_per_process 1 --mixed_precision bf16 ^
    src/musubi_tuner/wan_train_network.py ^
    --task i2v-A14B ^
    --dit D:/ai-tools/musubi-tuner/models/wan2.2_i2v_low_noise_14B_bf16.safetensors ^
    --vae D:/ai-tools/ComfyUI/models/vae/wan_2.1_vae.safetensors ^
    --t5 D:/ai-tools/musubi-tuner/models/models_t5_umt5-xxl-enc-bf16.pth ^
    --dataset_config training_data/ohwx_character/dataset.toml ^
    --sdpa --mixed_precision bf16 --fp8_base --fp8_scaled ^
    --blocks_to_swap 35 ^
    --max_data_loader_n_workers 0 ^
    --optimizer_type adamw --learning_rate 1e-4 --gradient_checkpointing ^
    --network_module musubi_tuner.networks.lora_wan ^
    --network_dim 20 --network_alpha 10 ^
    --timestep_sampling shift --discrete_flow_shift 5.0 ^
    --max_train_epochs 8 --save_every_n_epochs 2 --save_every_n_steps 100 --seed 42 ^
    --output_dir output/ohwx_character_v3 ^
    --output_name ohwx_character_wan22_v3

8 epoch × 120 step/epoch = 960 step，在 4070 12GB 上 1 小時 28 分跑完，loss 從 0.00208 降到 0.000469（4.4 倍下降）。

---

🔍 LoRA 看起來訓壞了？兇手是 lightx2v 加速 LoRA

訓完拿 LoRA 去 ComfyUI 出第一支影片，臉完全跑掉。原本 ohwx 是這個（窄臉、銳利眼、smirk 露牙）：

實際生出來：

完全不同人。一度懷疑 LoRA 訓壞，準備重訓 v4。

但事實上是 lightx2v 4-step 加速 LoRA 把我的角色 LoRA 蓋掉了。

lightx2v 的工作原理是 distill：把 Wan 30 step 壓到 4 step。問題在它的 distill 訓練集偏向 chibi / kawaii 風格 → 你的角色 LoRA 哪怕 strength 拉到 2.0 也敵不過它（lightx2v 強度 1.0 已經把模型整個 shift 過去）。

驗證方法：完全拿掉 lightx2v，跑 30 step 純 sampling。同一個起始圖、同一個 LoRA、同一個 prompt，臉就回來了：

眉毛重新變銳利、眼睛變細、年齡感對了。

🧠 為什麼這個雷一定要踩才會懂

社群討論 (Wan2.2-Lightning #5: bad motion)：很多人也發現 lightx2v 「動作 / 風格被壓平」。但你如果同時用 character LoRA，會以為是 character LoRA 訓壞了。

規則： 加速 LoRA 跟 character LoRA 都用 strength 1.0 = 你以為兩個各佔一半，實際上加速 LoRA 蓋過 character LoRA。

---

🎯 i2v 角色一致性的真正關鍵：起始圖

去掉 lightx2v 之後，臉對了，但用「身體起始圖」（body_01.png 全身正面站姿）出來的影片，臉部還是 base model 自由發揮。

⚖️ 解析度比例也決定臉會不會被切掉

832×480 是 ComfyUI 預設寬螢幕 16:9，但你 body 訓練圖是直幅人物 → ComfyUI 自動裁切，整段 3 秒影片角色頭都看不到。

改成 480×832 直幅，匹配訓練圖比例 → 全身入鏡：

---

⚡ 動作不出來怎麼辦：CFG、step、解析度三件套

第一批用 lightx2v 4 step 出的影片角色幾乎不動（鏡頭緩慢平移而已），不是因為 i2v 學不會，是因為：

🎬 動作 prompt 寫法

Negative prompt 加：static image, frozen, no motion — 把「不動」往負方向推。

---

🧩 整合進形象網站：CharacterCompanion + IntersectionObserver

我這個站是 Astro 6 + React 19 + Tailwind 4 + Firebase，要把角色變成 scroll-aware：滑到 Hero 揮手、滑到 Skills 區思考、滑到 FAQ 攤手解釋。

🛠️ 兩步整合：data anchor + 一個 React 元件

第一步：給每個 section 一個 data-companion-section 屬性：

<section data-companion-section="hero" class="...">...</section>
<section data-companion-section="latest" class="...">...</section>
<section data-companion-section="about" class="...">...</section>
<!-- 等等 -->

第二步：寫一個浮動 React 元件（簡化版）：

import { useEffect, useRef, useState } from 'react';
const BASE = (import.meta.env.BASE_URL || '/').replace(/\/$/, '');
const v = (file: string) => ${BASE}/character/${file};
const SECTION_VIDEOS = {
  hero:       { src: v('hero_wave.mp4'),        label: '揮手' },
  latest:     { src: v('latest_reading.mp4'),   label: '翻書' },
  about:      { src: v('about_nod.mp4'),        label: '點頭' },
  production: { src: v('production_point.mp4'), label: '介紹' },
  skills:     { src: v('skills_think.mp4'),     label: '思考' },
  findme:     { src: v('findme_invite.mp4'),    label: '招手' },
  faq:        { src: v('faq_explain.mp4'),      label: '解釋' },
};
export default function CharacterCompanion() {
  const [section, setSection] = useState('hero');
  const videoRef = useRef<HTMLVideoElement | null>(null);
useEffect(() => {
    const anchors = document.querySelectorAll<HTMLElement>('[data-companion-section]');
    const visible = new Map<HTMLElement, number>();
    const observer = new IntersectionObserver((entries) => {
      for (const e of entries) {
        if (e.isIntersecting) visible.set(e.target as HTMLElement, e.intersectionRatio);
        else visible.delete(e.target as HTMLElement);
      }
      let best: HTMLElement | null = null, bestRatio = 0;
      visible.forEach((ratio, el) => { if (ratio > bestRatio) { bestRatio = ratio; best = el; } });
      if (best) setSection((best as HTMLElement).dataset.companionSection!);
    }, { threshold: [0, 0.25, 0.5, 0.75, 1] });
    anchors.forEach((a) => observer.observe(a));
    return () => observer.disconnect();
  }, []);
useEffect(() => {
    const vEl = videoRef.current;
    if (!vEl) return;
    const target = SECTION_VIDEOS[section]?.src;
    if (!target || vEl.src.endsWith(target)) return;
    vEl.src = target;
    vEl.load();
    vEl.play().catch(() => {});
  }, [section]);
return (
    <div className="fixed bottom-4 right-4 z-50" style={{ width: 'clamp(140px, 18vw, 220px)' }}>
      <video ref={videoRef} autoPlay loop muted playsInline
             className="block w-full h-auto border-2 border-black"
             style={{ boxShadow: '4px 4px 0 #0a0a0a' }}
             src={SECTION_VIDEOS[section]?.src} />
    </div>
  );
}

掛載：

<CharacterCompanion client:idle />

🐛 踩到的坑：Astro base URL

我站是 GitHub Pages project page，base URL 是 /ai-lecturer-bob。第一版我元件寫死 /character/hero_wave.mp4，瀏覽器永遠 404。所有 public assets 引用都要過 import.meta.env.BASE_URL：

// ❌ WRONG: 404 in production
const src = '/character/hero_wave.mp4';
// ✅ CORRECT: works in dev and prod
const BASE = (import.meta.env.BASE_URL || '/').replace(/\/$/, '');
const src = ${BASE}/character/hero_wave.mp4;

🎨 視覺成果

8 個 section 對應 8 個動作：

---

✅ 完整 working 配方（給未來自己跟讀者）

從 0 開始要做什麼。前置需求：

三件套指令（從訓練圖到上站）

:: 1. Cache（一次性）
python wan_cache_latents.py --dataset_config training_data/ohwx_character/dataset.toml ^
    --vae ComfyUI/models/vae/wan_2.1_vae.safetensors --i2v
python wan_cache_text_encoder_outputs.py --dataset_config training_data/ohwx_character/dataset.toml ^
    --t5 models/models_t5_umt5-xxl-enc-bf16.pth --batch_size 1
:: 2. 訓練（用上面的 .bat，約 1.5 小時）
train_ohwx_v3.bat
:: 3. 推論（ComfyUI workflow，每支影片 14 分鐘）
:: workflow 在站內 repo: ai-lecturer-bob-fresh/scripts/workflows/wan22_i2v_ohwx.json

驗證指令

:: 訓練 LoRA 存在
dir output\ohwx_character_v3\*.safetensors
:: ComfyUI 認得這個 LoRA
curl http://127.0.0.1:8188/object_info/LoraLoaderModelOnly | findstr ohwx

如果 ComfyUI 出來臉是 chibi 大眼 = 沒拿掉 lightx2v。
如果影片整段不動 = 沒改 cfg、沒加 negative prompt「static」、step 太少。

---

⏱️ 心法 / 時間成本拆解

24 小時內走完的流程：

如果有人說「我訓出來不像」就準備丟掉重訓 → 先把推論配方做 ablation（拿掉 lightx2v、換起始圖、換 cfg），通常找到的不是模型問題。

---

❓ 常見問題

Wan 2.2 i2v 跟 Wan 2.1 i2v 差在哪？我訓 2.2 的 LoRA 能用在 2.1 嗎？

不能。Wan 2.2 i2v 是 dual-DiT 設計（high-noise + low-noise 兩個 DiT），patch_embedding 是 36 通道（16 video + 20 image control），Wan 2.1 i2v 是單 DiT 16 通道。LoRA 維度跟 base model 綁死，跨版本不相容。

4070 12GB 真的能訓 14B i2v？要花多久？

可以，但必須用 --blocks_to_swap 35（40 個 block 中 35 個換到 CPU）+ --fp8_base --fp8_scaled + --gradient_checkpointing。8 epoch / 120 step per epoch = 960 step，約 1 小時 28 分。VRAM 用 9-10GB，CPU RAM 用 23GB。記憶體不夠就降到 32GB RAM 不行，建議 64GB。

為什麼選 i2v 不選 t2v 或 Flux 靜態圖 LoRA？

i2v 角色一致性靠起始圖鎖死 = 不用擔心 LoRA 訓得不夠強。靜態圖 LoRA（Flux、SDXL）要 dim ≥ 32 + 大量訓練步數才能讓 trigger word 吸收角色特徵，且生不出動畫。我的目標是「在網站上會動的代表角色」，i2v 是直球解。

訓練踩過最大的坑是什麼？一句話總結。

--max_data_loader_n_workers 0 — Windows + PyTorch DataLoader 多 worker 在 Wan 2.2 i2v + fp8 配置下會 hang 在 step 0，CPU 不轉、GPU 也不算，看起來像系統卡死。設成 0（主執行緒讀資料）就解。社群很少人提這個。

為什麼影片要做成 scroll-aware 不是固定播一支？

固定一支影片放久了會疲勞、變裝飾。Scroll-aware 讓角色「跟著讀者的閱讀位置演戲」 — 在 Hero 揮手歡迎、在 Skills 區思考、在 FAQ 攤手解釋 — 變成內容的一部分而不是 banner。實作只多 30 行 IntersectionObserver 代碼。

---

🔗 延伸資源

• musubi-tuner GitHub repo（kohya-ss） — Wan 2.2 / Hunyuan / FLUX LoRA 訓練主要框架
• ComfyUI — 推論用的 node-based UI
• lightx2v Wan 2.2 Lightning — 4-step 加速 LoRA，但會蓋掉 character LoRA
• Wan 2.2 i2v 訓練官方文檔（musubi-tuner/docs/wan.md） — base 配置出處
• Wan2.2 i2v-A14B LoRA training has no effect (issue #621) — 社群討論 LoRA 沒效果的多種原因
• 本站相關文章：RTX 4070 Wan 2.2 I2V 訓練 loop — 同主題的前一版踩坑記錄

不怕死，只怕不過癮。