hello,请教下关于模型兼容性的问题

[godwenbin]

首先，Thanks for your work！
目前，在huggingface上能够获取到TurboDiffusion/TurboWan2.1-T2V-1.3B-480P的checkpoint并用于测试。我想请问下，turbodiffusion的算法方案能否迁移到Wan2.1-Fun-1.3B-InP上，因为我现在的需求是1.3B的I2V任务，所以需要用到InP模型。

[zhengkw18]

可以的，但loss需要调整来适配i2v。i2v的JVP目前实现有些bug，需要自己修一下。你也可以尝试把训好的1.3B t2v的权重增量通过权重合并用到InP模型，实现加速效果迁移。

[godwenbin]

@zhengkw18 感谢您的回复。
关于你的两点方案解答，我有两个疑问，辛苦帮忙解答下。

1. 关于loss调整，我理解，当前turbodiffusion框架能够实现14B的i2v模型加速训练，我是无法直接用这个脚本来训1.3B的fun-InP模型对吧？我得复刻t2v的训练并迁移到InP上是吗？
2. 关于训练增量迁移，1.3B的t2I基模和InP基模网络架构不一致，key有不同（InP多了很多image的层），直接迁移模型增量能起作用吗？

[zhengkw18]

1. 目前训练只支持了T2V，我们是通过权重合并的方式支持的Wan2.2 I2V，可以参考rCM仓库的说明
2. 可以试一试，Wan2.2 I2V比2.1 T2V也多了一些权重，但把匹配的权重进行合并就能起到效果