<h3 id="i-am-deeply-grateful-to-everyone-who-supports-the-model-through-their-comments-word-of-mouth-downloads-and-any-other-actions-(it's-really-very-kind-of-you-thank-you-so-much).-thank-you-so-much-for-your-kindness-support-and-positivity!">I am deeply grateful to everyone who supports the model through their comments, word-of-mouth, downloads, and any other actions (it's really very kind of you, thank you so much). Thank you so much for your kindness, support, and positivity!</h3><hr /><h3 id="model-released-draft-v4-release-date:-09122025">▒▒▒ model released DRAFT V4 Release date: 09/12/2025 ▒▒▒</h3>Information: the model operates in I2V as well as T2V<hr /><h1 id="read-before-use-and-downloading">Read before use and downloading</h1><hr /><h1 id="libidinous-insidious-draft-v4-wan-2.2-moe-architecture">☣️ LIBIDINOUS INSIDIOUS DRAFT V4 - Wan 2.2 MoE Architecture</h1>"It is not just a model. It is a complete neural restructuring."<h3 id="introduction">📄 Introduction</h3>LIBIDINOUS INSIDIOUS DRAFT V4 represents a technological paradigm shift within the Wan 2.2 ecosystem. Developed through a unique experimental process, this model does not merely generate video: it simulates motion physics and texture through a radically optimized Mixture of Experts (MoE) architecture.This model is the result of a close collaboration between a Human Architect and the Gemini 3.0 PRO artificial intelligence, acting as technical supervisor.<h3 id="the-process:-a-training-revolution">🧬 The Process: A Training Revolution</h3>Unlike standard models, V4 has undergone a surgical, multi-phasic training protocol. We did not simply "teach" images to the model; we redefined how its neurons communicate.Here are the technical pillars of this training:<ol><li>Spectral Training (Spectral Balancing via FFT): The model was trained to dissociate low frequencies (structure/motion) from high frequencies (texture/details). Using Fast Fourier Transform (FFT) analysis, we injected "High-Fidelity" detail density without ever compromising the video's structural coherence.</li><li>Intelligent Temporal Locking (Optical Flow Learning): Motion vector analysis was integrated at the core of the learning process. The model "understands" pixel directionality. If a motion inconsistency is detected, it is rejected during generation. Result: organic fluidity, eliminating jittery motions or unexplained reversals.</li><li>MoE Router Optimization (Top-K Consistency): The Wan 2.2 architecture relies on "Experts". We forced the training to maximize Router Sharpening. The model no longer hesitates. It selects the perfect expert for skin texture or fluid dynamics with surgical precision, eliminating ghosting or blurring effects.</li><li>Neural Sanitization (Sparse Annealing): A "selective annealing" process was applied to eliminate residual digital noise in the deep layers. This ensures a clean image free from saturation artifacts, even with complex prompts.</li></ol><h3 id="warning:-this-is-not-a-classic-&quot;plug-and-play&quot;-model">⚠️ Warning: This is not a classic "Plug &amp; Play" model</h3>LIBIDINOUS INSIDIOUS V4 is a competition engine. It is sensitive, powerful, and does not tolerate approximation. It was trained on a massive hybrid dataset (Video/Image) to grasp concepts that other models ignore.1. Prompting (Crucial)Forget your linear prompting habits. This model reacts to temporality and scenography. The use of precise Positive Prompts and strict Negative Prompts is mandatory to channel its power.Supported and Recommended Structures:<ul><li>Temporal Format (Most Precise): (at 0-2: description of the beginning) (at 2-4: description of the action)</li><li>Scenic Format: [Scene: detailed description of the atmosphere and action]</li><li>Hybrid Format: **[Scene: close-up on face (at 0-5)]</li><li>Natural Description (Supported but less directive): A cinematic video of...</li></ul>⛔ Interference Triggers (To Avoid): As the model is based on a sensitive MoE architecture, avoid contradictory keywords within the same time segment (e.g., asking for "static" and "running" without separating the timecodes). Avoid endless "danbooru" tag lists without syntax; prefer structured natural language.2. Required Technical ParametersTo exploit the full potential of the V4 training, please adhere to these settings:<ul><li>Text Encoder: umt5_xxl_fp16.safetensors (Mandatory for semantic understanding).</li><li>Sampling: Usage of 3 chained KSamplers is recommended (Advanced Workflow) to decompose noise, structure, and detail.</li></ul>CFG Settings (Guidance):<ul><li>The model is highly obedient. Do not force the CFG.</li><li>Recommended: 2.5 / 1 / 1 (Depending on your sampling workflow).</li></ul>Steps (Compute Steps):<ul><li>"Flux-like" Mode (Fast): 4 to 6 Steps (if using adapted schedulers like Turbo/Lightning).</li><li>Classic Mode (Max Quality): 20 Steps.</li></ul><hr /><h3 id="architect's-note">💡 Architect's Note</h3>"This model was designed to push the boundaries of open-source video generation. We implemented mathematical safeguards (Soft-Tanh Limiting) to prevent the color saturation often seen elsewhere. What you hold is a precision tool. Treat it with respect, and it will produce impossible visuals."Architecture &amp; Training: XT-404 Solo Dev &amp; Gemini 3.0 PRO Core. Version: V4 (Stable Production Release).Thanks to the beta tester: Toto4767, WaifuSynthLabs, Feoh, Aragon4000, FrogenGT.<hr />Remember to share your creations. It was XT-404<hr /><h3 id="model-draft-v4-sortie-a-ce-jour-le-09122025">▒▒▒ model DRAFT V4 Sortie à ce jour le 09/12/2025 ▒▒▒</h3>Information le model fonctionne en I2V comme T2V<h1 id="a-lire-avant-utilisation-et-telechargement">A lire avant Utilisation et téléchargement</h1><hr /><h3 id="libidinous-insidious-draft-v4-wan-2.2-moe-architecture"># ☣️ LIBIDINOUS INSIDIOUS DRAFT V4 - Wan 2.2 MoE Architecture</h3>"Ce n'est pas juste un modèle. C'est une restructuration neurale complète."📄 IntroductionLIBIDINOUS INSIDIOUS DRAFT V4 représente une rupture technologique dans l'écosystème Wan 2.2. Conçu via un processus expérimental unique, ce modèle ne se contente pas de générer de la vidéo : il simule une physique de mouvement et une texture via une architecture Mixture of Experts (MoE) radicalement optimisée.Ce modèle est le fruit d'une collaboration étroite entre un Architecte Humain et l'intelligence artificielle Gemini 3.0 PRO, agissant en tant que superviseur technique.<h3 id="le-processus-:-une-revolution-de-l'entrainement">🧬 Le Processus : Une Révolution de l'Entraînement</h3>Contrairement aux modèles standards, la V4 a subi un protocole d'entraînement chirurgical et multi-phasique. Nous n'avons pas simplement "appris" des images au modèle, nous avons redéfini la manière dont ses neurones communiquent.Voici les piliers techniques de cet entraînement :1. Entraînement Spectral (Spectral Balancing via FFT) :Le modèle a été entraîné à dissocier les basses fréquences (structure/mouvement) des hautes fréquences (texture/détails). Grâce à une analyse par Transformée de Fourier Rapide (FFT), nous avons injecté une densité de détails "High-Fidelity" sans jamais compromettre la cohérence structurelle de la vidéo.2. Verrouillage Temporel Intelligent (Optical Flow Learning) :Une analyse des vecteurs de mouvement a été intégrée au cœur de l'apprentissage. Le modèle "comprend" la direction des pixels. Si une incohérence de mouvement est détectée, elle est rejetée. Résultat : une fluidité organique, fini les mouvements qui tremblent ou s'inversent sans raison.3. Optimisation des Routeurs MoE (Top-K Consistency) :L'architecture Wan 2.2 repose sur des "Experts". Nous avons forcé l'entraînement pour maximiser la "Netteté Décisionnelle" (Router Sharpening). Le modèle ne doute plus. Il choisit l'expert parfait pour la texture de peau ou le mouvement de fluide avec une précision chirurgicale, évitant l'effet de "ghosting" ou de flou.4. Sanitisation Neurale (Sparse Annealing) :Un processus de "recuit sélectif" a été appliqué pour éliminer le bruit numérique résiduel dans les couches profondes. Cela garantit une image propre, sans artefacts de saturation, même avec des prompts complexes.<h3 id="avertissement-:-ce-n'est-pas-un-modele-&quot;plug-and-play&quot;-classique">⚠️ Avertissement : Ce n'est pas un modèle "Plug &amp; Play" classique</h3>LIBIDINOUS INSIDIOUS V4 est un moteur de compétition. Il est sensible, puissant, et ne tolère pas l'approximation. Il a été entraîné sur un dataset hybride massif (Vidéo/Image) pour comprendre des concepts que d'autres modèles ignorent.#### 1. Le Prompting (Crucial)Oubliez vos habitudes de prompting linéaire. Ce modèle réagit à la temporalité et à la scénographie.L'utilisation de Positive Prompts précis et de Negative Prompts stricts est obligatoire pour canaliser sa puissance.Structures supportées et recommandées :* Format Temporel (Le plus précis) :<code>(at 0-2: description du début)</code><code>(at 2-4: description de l'action)</code>* Format Scénique :<code>[Scène : description détaillée de l'ambiance et de l'action]</code>* Format Hybride :<code>**[Scène: gros plan sur le visage (at 0-5)]</code>* Description Naturelle (Supportée mais moins directive) :<code>Une vidéo cinématique de...</code><h3 id="ce-qui-cause-des-interferences-(a-eviter)-:">⛔ Ce qui cause des interférences (À éviter) :</h3>Le modèle étant basé sur une architecture MoE sensible, évitez les mots-clés contradictoires dans le même segment temporel (ex: demander "statique" et "courir" sans séparer les timecodes). Évitez les listes de tags "danbooru" interminables sans syntaxe ; préférez le langage naturel structuré.#### 2. Paramètres Techniques RequisPour exploiter le plein potentiel de l'entraînement V4, respectez ces réglages :* Text Encoder : <code>umt5_xxl_fp16.safetensors</code> (Obligatoire pour la compréhension sémantique).* Sampling : Utilisation de 3 KSamplers en chaîne recommandée (Workflow avancé) pour décomposer le bruit, la structure et le détail.Réglages CFG (Guidance) :* Le modèle est très obéissant. Ne forcez pas le CFG.* Recommandé : 2.5 / 1 / 1 (Selon votre workflow de sampling).Steps (Pas de calcul) :* Mode "Flux-like" (Rapide) : 4 à 6 Steps (si vous utilisez des schedulers adaptés type Turbo/Lightning).* Mode Classique (Qualité Max) : 20 Steps.<hr /><h3 id="le-mot-de-l'architecte">💡 Le Mot de l'Architecte</h3>"Ce modèle a été conçu pour repousser les limites de la génération vidéo open-source. Nous avons implémenté des sécurités mathématiques (Soft-Tanh Limiting) pour éviter la saturation des couleurs souvent vue ailleurs. Ce que vous avez entre les mains est un outil de précision. Traitez-le avec respect, et il vous sortira des visuels impossibles."Architecture &amp; Entraînement : XT-404 Solo Dev &amp; Gemini 3.0 PRO Core.Version : V4 (Stable Production Release).Remerciement au béta tester : Toto4767, WaifuSynthLabs, Feoh, Aragon4000, FrogenGT,<hr />N'oubliez pas de partager vos créations. merci a vous c'était XT-404

XT-404 : |INSIDIOUS | LIBIDINOUS | OMEGA| (Experimentalis)

xt404INSIDIOUSLIBIDINOUS_libidinousV2H.safetensors

LIBIDINOUS V2 H.

INSIDIOUS DRAFT V4 L

INSIDIOUS DRAFT V4 H

V16 WORKFLOW I2V (Custom)

WORKFLOW I2V LibidinousV2

WORKFLOW T2V LibidinousV2

LIBIDINOUS V2 L.

Omega.LOW.Libidinosus!

Omega.HIGHT.Libidinosus!

OMEGA-Uncensored-V6-LOW

OMEGA-Uncensored-V6-HIGHT

WAN 2.2 I2V Insidious Libidinous

1. Prompting (Crucial)

Forget your linear prompting habits. This model reacts to temporality and scenography.
The use of precise Positive Prompts and strict Negative Prompts is mandatory to channel its power.

Supported and Recommended Structures:

Temporal Format (Most Precise):
(at 0-2: description of the beginning)
(at 2-4: description of the action)

Scenic Format:
[Scene: detailed description of the atmosphere and action]

Hybrid Format:
**[Scene: close-up on face (at 0-5)]

Natural Description (Supported but less directive):
A cinematic video of...

Interference Triggers (To Avoid):
As the model is based on a sensitive MoE architecture, avoid contradictory keywords within the same time segment (e.g., asking for "static" and "running" without separating the timecodes). Avoid endless "danbooru" tag lists without syntax; prefer structured natural language.

2. Required Technical Parameters

To exploit the full potential of the V4 training, please adhere to these settings:

Text Encoder: umt5_xxl_fp16.safetensors (Mandatory for semantic understanding).

Sampling: Usage of 3 chained KSamplers is recommended (Advanced Workflow) to decompose noise, structure, and detail.

CFG Settings (Guidance):

The model is highly obedient. Do not force the CFG.

Recommended: 2.5 / 1 / 1 (Depending on your sampling workflow).

Steps (Compute Steps):

"Flux-like" Mode (Fast): 4 to 6 Steps (if using adapted schedulers like Turbo/Lightning).

Classic Mode (Max Quality): 20 Steps.

HN I2V v2

Files with SHA256: b52837ee9b665e29b36dbfa66112a41bc4edfd8a46e98c70f92314a4f26c5542