研究了近两个月的本地部署大模型视频生成，
最终锁定的消费级显卡能跑的两大最新的大模型ltx 2.3和wan2.2。

Ltx 2.3的优点就是音画同步生成，不需要后期的对口型配音，它的缺点就是人脸大幅度运动的时候会出现漂移变脸，面部表情不够细腻丝滑。Wan2.2的优点就是面部表情生动，画质比lts 2.3好那么一些，缺点也很明显，没有音画同步，后期还需要配音对口型，另外速度也慢几倍。

最终下来，目前为止最靠谱的办法2条线生产线：
1、单独使用用ltx 2.3的魔改版Sulphur2，用首尾帧控制人脸的漂移变形。
2、利用wan2.2的魔改版的SkyReels-V3音画同步功能，结合wan2.2的画质细腻特点，共组一个工作流。