Model
.ai
追蹤開放 AI 模型

[WAN2.2] Metalcification Redmond I2V 14B

7735°
[WAN2.2] Metalcification   Redmond   I2V   14B
Wan 2.2 LoRA 有兩個檔案,一個是高噪聲專家模型,一個是低噪聲專家模型,兩個都在這頁。要一起用這兩個檔案。這個列表的熱度分數和數據是高噪聲檔案的;低噪聲檔案自己的數據沒有加進來。
建立者
artificialguybr
(Civitai)
by artificialguybr - This LoRA specializes in creating mesmerizing metalcification effects - the transformation of objects into metallic forms. Watch as everyday materials gradually transform into stunning metallic surfaces with realistic textures, reflections, and properties. The model captures the gradual process of metallization with beautiful visual effects.
創作者說明
💖 Support My Work & Explore More If this model is useful to you, your support helps me keep publishing free models and open-source AI tools. - Patreon: - Ko-fi: - Buy Me a Coffee: Discover more of my models, projects, and practical AI resources: - Portfolio: — models, projects, and experiments. - Prompt library: — curated prompts for image and language models. - AI tools directory: — a curated directory of useful AI tools. - Twitter/X: — new models announced here first. Special Thanks: This project was made possible thanks to generous sponsorship and GPU time provided by Redmond Ai. We are grateful for their support in training this LoRA. Metalcification LoRA for Wan Model Description This LoRA specializes in creating mesmerizing metalcification effects - the transformation of objects into metallic forms. Watch as everyday materials gradually transform into stunning metallic surfaces with realistic textures, reflections, and properties. The model captures the gradual process of metallization with beautiful visual effects. Trigger Words The trigger phrase is Metalcification. For best results, use “Metalcification” in your prompt when describing a scene. The model will create a transformation sequence where objects gradually turn into metallic versions of themselves. Setup for ComfyUI To use this LoRA in ComfyUI, simply place the files in your loras directory: - Download both [WAN2.2]Metalcification_Redmond_low_noise.safetensors and [WAN2.2]Metalcification_Redmond_high_noise.safetensors and place them in ComfyUI/models/loras/ Ensure your ComfyUI environment is already configured to run Wan models. Example Workflow (ComfyUI) In your ComfyUI workflow, add a Load LoRA node after your base model loader. - Load your base Wan model. - Connect the output of the model loader to the model input of the Load LoRA node. - Select [WAN2.2]Metalcification_Redmond_low_noise.safetensors and [WAN2.2]Metalcification_Redmond_high_noise.safetensors in the Load LoRA node. - Connect the MODEL output of the LoRA node to your KSampler. - Adjust the strength_model as needed (0.8-1.0 is a good starting point). Example Prompts Here are some example prompts to get you started with Metalcification: - Metalcification​
觸發詞
Metalcification
Civitai 上 357 次下載 · 25 個讚
SHA256
3CC5FCF17722C0E709A432C05B2041E54109651D50766E44A4083388B8766971
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai 上的 [WAN2.2] Metalcification Redmond I2V 14B:Heat 7,735°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
[WAN2.2] Metalcification Redmond I2V 14B 熱度趨勢
熱度分數,自 7 Dec 2025 起
熱度分數
7,735°
本週
n/a
尚未發布/追蹤
本月
n/a
尚未發布/追蹤
過去一年
n/a
尚未發布/追蹤
[WAN2.2] Metalcification Redmond I2V 14B: 熱度分數,自 7 Dec 2025 起7,000°7,278°7,556°7,834°8,112°Dec 2025Feb 2026Apr 2026Jun 2026Aug 2026Oct 20267,735°ModelTrends.ai
7,000°
基準值
分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型,它們會有一個替代數字,讓列表保持完整。7,000° 是有測量數據開始的地方:有真實數據但幾乎沒下載的模型會在基準值,之後的度數才是測量結果。基準值本身不代表模型好壞,只有基準值以上的度數才會區分模型。
+772°
Civitai 下載量
此版本在 Civitai 上有 357 次下載。下載量是最重要的成分,且以對數刻度計算:下載量增加十倍,熱度增加 300°,因此一百萬下載的模型不會比一千下載的熱度高一千倍。六個下載來源共用此一項,依其數量比例分配。
+212°
喜歡數
各來源共有 25 個喜歡和讚。每個喜歡相當於半次下載,採用同樣的對數刻度。
+9°
採用率
大約每天 0 次下載,根據兩次來源讀取間的變化計算,不是用整個生命週期平均。速度佔下載項目的四分之一,能反映新熱潮,但不會讓一天的爆量超過多年累積。
−258°
年齡
−258° 因為 Wan 權重是在 2025 發布的。每個模型都繼承它所用權重的年齡:每年扣 150°,最多扣 750°,扣分會持續增加。沒有這項,排行榜頂端會是 2022 和 2023 年的檢查點,因為下載有多年累積。
顯示詳細分析
這個網站上的每個數字都可以查證。這個模型的熱度分數是 7,735°,這裡會一步步拆解它的組成,每加一項就會顯示目前的總分:基準值、每個來源增加的度數、模型類型的加分,以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。
  1. 1
    從基準值開始。
    為什麼是 7,000° 而不是零:分數範圍是 0° 到 9,999°,低於 7,000° 的部分是留給還沒被任何來源報告的模型,它們有替代數字,讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡;之後的度數是測量結果,基準值以上有十個十倍下載的階段,每階段增加 300°。基準值對所有模型都一樣,不會決定排名;真正區分模型的是基準值以上的度數。
    7,000°
    累計總和
  2. 2
    加入下載量。
    總共 357 個下載等值,來自 Civitai 下載量。下載量增加十倍會增加相同的 300°,所以大小很重要,但不會主導分數。
    +772°
    7,772°
    累計總和
  3. 3
    加入喜歡數。
    25 個喜歡和讚,權重是下載量的一半。
    +212°
    7,984°
    累計總和
  4. 4
    加入採用率。
    目前大約每天 0 次下載,根據兩次讀取間的差異計算,權重是下載量的四分之一。
    +9°
    7,993°
    累計總和
  5. 5
    移除年齡。
    Wan 權重於 2025 發布:每年扣除 150°,最多扣除 750°,直到達到上限。
    −258°
    7,735°
    累計總和
  6. =
    熱度分數。
    這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。
    7,735°
詞彙表:這裡使用的術語
熱度分數
一個數字,表示模型目前的使用和需求程度,範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序,沒有其他排序依據。
底線
每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°;底線以下保留給沒有數據的模型,確保有數據的模型總是排名較前。底線對所有人相同,不影響排名;超過底線的度數才是評分依據。
下載等值
分數中視為下載的所有項目加總:下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度
以十為單位計數,不是以一為單位:從 1,000 到 10,000 下載增加的度數,和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數
來自各來源的讚和喜歡,每個在對數刻度上算半個下載量。
採用率
模型目前每天的下載次數,根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算
實測表示有兩個來源的讀數,且差異是真實的。估算表示只知道今天的總數,過去的數據則分散在模型的整個生命週期;網站會說明顯示的是哪一種。
種子節點
指在線上保留權重檔案供他人透過種子下載的人,或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde
一個志願者網絡,利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的,每張圖片算作一次下載。
生成網站
自己托管模型並讓人使用它生成圖片的網站,例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣,每次生成算一次下載。
OpenRouter 代幣
透過 API 提供的文字模型,如 Claude 或 GPT,沒有權重可下載,因此使用量以代幣計算:過去30天內透過 OpenRouter(許多應用使用的閘道)讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
完整模型(檢查點)
權重本身,是能獨立生成的檔案。它會有額外加分,因為其他附加檔案都依賴它。
LoRA和嵌入
小型附加檔案,用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重
模型所建立的基礎,例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡
根據家族權重發布時間距今多久,扣除的度數:每年150°,最多750°。它會保留那些有多年累積下載的舊模型,防止它們從排行榜頂端消失。
家族加成
針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成,會在分解中顯示。
替代分數
給尚無來源報告的模型一個穩定的最低分,讓列表保持完整。它永遠不會高於有數據的模型。
全新!(寬限期)
不到 7 天的新模型會顯示「全新!」而非分數,且不列入排名。分數從第一天開始計算,但一天大的模型成長最快,若不等待,週榜首將永遠是昨天剛出的模型,而非持續一週的。
趨勢
模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升,比典型慢表示下降。
典型模型
目錄中的中間值:一半模型在該期間成長較快,一半較慢。
這個模型的受歡迎程度跟整個目錄相比的變化:它在每個時期的下載量、喜歡數和使用量的成長,跟同一時期一般模型的成長相比,還有當時的熱度分數。高於一般成長代表上升,低於則是下降。過去的數據是從今天的總數、模型的第一天和有兩次讀數時的下載速度推算出來的;如果模型在某時期開始時不存在,會顯示 n/a。
範例作品
以下提示詞和參數由在 Civitai 上創作這些作品的人分享。選擇一張作品查看它是如何生成的。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
這張作品沒有分享提示詞。
本地運行:高噪聲
[WAN2.2]Metalcification_Redmond_high_noise.safetensors
146 MB · SafeTensor
下載由 Civitai 提供。部分建立者要求先登入 Civitai。
本地運行:低噪聲
[WAN2.2]Metalcification_Redmond_low_noise.safetensors
146 MB · SafeTensor
下載由 Civitai 提供。部分建立者要求先登入 Civitai。