PAN 2 开源：29B 视频模型把分镜脚本交给 LLM

PAN 2 的权重和训练代码一起放出来了。模型是 29B 的潜空间扩散模型，支持最长 20 秒、720p、24fps，许可证为 Apache 2.0。Hugging Face 上能下权重，Diffusers、FastVideo、vLLM 都给了入口，训练代码单独放在 GitHub。

这次比较有意思的地方在控制层。发帖人说，他们让 LLM 承担更多责任，把它当成概念推理器，生成高密度的文本状态和脚本。事件和动作都带时间点，相机运动挂在事件下面，但和动作解耦。训练时他常拿 20 秒、十多个带时间的镜头运动去测，模型完成得不错。

对做视频生成的人来说，这比单纯堆分辨率更值得看。镜头运动如果只能靠提示词碰运气，长一点的片段很容易散。PAN 2 把时间、事件、动作、相机拆开表示，LLM 负责写这份“分镜脚本”，扩散模型负责出画面。这套思路能不能在消费级硬件上成立，是另一回事。

社区反馈很直接。有人对空间推理和物理模拟评价很高，示例里有水和黏稠液体的运动。也有人先问有没有声音，答案是没有，目前只做文生视频和图生视频。有人把它概括成“更大的 Wan 2.2”，发帖人回复说模型从零设计和训练，没有基于 Wan 2.2。

最热闹的问题还是 ComfyUI 和显卡。发帖人说不确定 ComfyUI 集成的细节，但 vllm-omni 那边可能带了一些支持。有人看到 29B 先想到 H200，接着问有没有游戏显卡能用的量化版，他回“Working on it!”。另一位网友给出常见消费级配置：6 到 16GB 显存，16 到 64GB 内存。29B 的模型想在这个区间跑起来，量化压力不小。

入口都在这：

• 权重：https://huggingface.co/IFM/PAN2
• Diffusers：https://huggingface.co/docs/diffusers/main/en/api/pipelines/pan2
• FastVideo：https://haoailab.com/FastVideo/cookbook/pan/pan2/
• vLLM：https://recipes.vllm.ai/IFM/PAN2
• 训练代码：https://github.com/ifm-ai/PAN2/
• 技术细节：https://ifm.ai/blog/pan2/

有网友问，给预渲染音频能不能做口型同步。帖子里没看到明确回答。这个功能现在不在发布说明里，先别替它补。

原帖：https://www.reddit.com/r/StableDiffusion/comments/1xt0yur/pan_2_released/