输入起始和结束两张静态图，采用两阶段采样与 LoRA 融合技术生成动漫风格视频。
帧数和分辨率自动调整，并支持语音合成。适用于创作、影视制作、角色 PV 等多种场景。
- 量化模型：GGUF Q4
- 指定输出短边尺寸：默认 = 480pixel
※ 长边尺寸由输入图像的宽高比决定
- 指定视频时长与帧率：默认 = 5秒 * 24FPS（总帧数自动计算）
- 可指定