توليد الفيديو بالذكاء الاصطناعي للمبتدئين: من الصورة إلى الفيديو، من النص إلى الفيديو وأول مقطع مع Wan وLTX-2 وH3

Q: المقطع ثابت مع وميض خفيف

لا يوجد فعل حركة في الوصف، أو وزن LoRA ثابت مرتفع جدًا. أضف حركة للموضوع وحركة للكاميرا؛ خفّض LoRAs إلى 0.7.

Q: قفزات الكاميرا أو قطع المشهد

تعليمات كاميرا مزدوجة، أو كلمات "قطع إلى" في الوصف. حركة كاميرا واحدة؛ ضع "قطع قفز" في السلبيات.

Q: نفاد الذاكرة عند 720p

عدد الإطارات مضروبًا في الدقة يتجاوز VRAM. انخفض إلى 480p أو عدد إطارات أقل، أوقف مشفر النص؛ راجع دليل VRAM لفيديو الذكاء الاصطناعي.

Q: LoRA الحركة لا تفعل شيئًا

محمل على الخبير الخطأ أو حجم النموذج الخطأ. تحقق من صفحة النموذج لـ 5B/14B والضوضاء العالية/المنخفضة؛ حمّل وفقًا لذلك مع كلمة التفعيل.

الموضوع: نماذج الفيديو

بقلم Lookout

نُشر في 29 أبريل 2026

نظرة عامة

نماذج الفيديو هي نماذج صور مع محور زمني: نفس حلقة إزالة الضوضاء تعمل على مجموعة من الإطارات دفعة واحدة، لذلك كل ما تعرفه عن الأوامر، البذور وإزالة الضوضاء ينطبق هنا، وكذلك التكاليف التي تتضاعف حسب عدد الإطارات. العواقب العملية للمبتدئين ثلاثة. ابدأ بالصورة إلى فيديو (I2V)، لأن لقطة ثابتة جيدة من نموذج صورة تثبت التكوين والأسلوب وتترك لنموذج الفيديو فقط مهمة الحركة للاختراع. اجعل المقاطع قصيرة (حوالي خمس ثوانٍ)، لأن هذا هو ما تدربت عليه النماذج. وتوقع تشغيل النماذج الكبيرة على السحابة ما لم تمتلك بطاقة 24 جيجابايت.

ثلاث عائلات مفتوحة تغطي معظم الاحتياجات في 2026. Wan 2.2 (علي بابا) هو النموذج الشامل: نموذج 5 مليار يعمل على 12-16 جيجابايت ونموذج 14 مليار بخبرتين مع أفضل جودة مفتوحة، بالإضافة إلى نظام LoRA ضخم للحركة والأسلوب. LTX-2 (Lightricks) سريع ويولد صوتًا متزامنًا لكنه يحتاج 24-32 جيجابايت. MiniMax H3 هو نموذج الصوت والفيديو مع حوار وتأثيرات صوتية، يستخدم غالبًا عبر سير عمل مستضاف؛ أدلة التوجيه لـ H3 على هذا الموقع من مارك وايت تغطيه بعمق. Hunyuan Video 1.5 هو بديل أخف لـ Wan 14B.

يحتوي الكتالوج على كل نموذج فيديو وLoRAs الخاصة به مع القاعدة والحجم المستهدف (5B أو 14B، خبير ضوضاء عالية أو منخفضة)، وصفحات النماذج تعرض مقاطع أمثلة مع أوامرها. زر التشغيل يفتح النموذج على PirateDiffusion، حيث ينتج أمر سير العمل المقطع كرد على صورتك، أو على BitVector.

مرجع

الاسم	النوع	ما هو
I2V (الصورة إلى فيديو)	mode	تحريك صورة ثابتة. أفضل وضع للبدء: التكوين مضبوط بالفعل؛ الوصف يصف الحركة فقط.
T2V (النص إلى فيديو)	mode	من وصف نصي فقط. تنوع أكبر، تحكم أقل؛ استخدم للأفكار والمشاهد الثانوية.
FLF2V / الإطار الأول والأخير	mode	إطاران رئيسيان؛ النموذج يملأ الحركة بينهما. انتقالات محكمة.
الإطارات ومعدل الإطارات في الثانية	setting	Wan: 81 إطارًا عند 16 إطارًا في الثانية (5 ثوانٍ)؛ LTX-2: 97-121 إطارًا عند 24-25 إطارًا في الثانية؛ H3: 145 إطارًا عند حوالي 24 إطارًا في الثانية. الذاكرة تتناسب مع عدد الإطارات.
الدقة	setting	Wan 2.2: 832x480 أو 480x832 (سريع)، 1280x720 (24 جيجابايت أو أكثر)؛ LTX-2 حتى 1080p+ مع 32 جيجابايت. الوضع الرأسي للأشخاص، الأفقي للمشاهد.
وصف الحركة	prompt	حركة موضوع واحد بالإضافة إلى حركة كاميرا واحدة: "تدير وجهها نحو النافذة وتبتسم؛ دفع ببطء إلى الداخل". تجنب سرد تفاصيل المشهد الموجودة بالفعل في الصورة.
الخطوات / CFG / الإزاحة	setting	Wan 2.2 14B: 20 خطوة مقسمة 10/10 بين الخبراء، CFG 3.5، إزاحة 5؛ 5B: 20-30 خطوة، CFG 5؛ LTX-2: 25-30 خطوة بجدولها الخاص؛ LoRAs المقطرة (lightx2v) تخفض Wan إلى 4-8 خطوات عند CFG 1.
LoRAs للحركة	file	حركات الكاميرا، الرقص، الإيماءات، الفيزياء؛ متوافقة مع 5B/14B والخبير. الصفحات هنا تسمي الهدف.
الاستيفاء والتكبير	post	RIFE أو FILM إلى 32-60 إطارًا في الثانية؛ ESRGAN أو SeedVR لكل إطار للدقة.

خطوة بخطوة

اصنع أو اختر صورة ثابتة: صورة بدقة 1024x1024 أو 832x1216 مع موضوع واضح وخلفية بسيطة. الوجوه الأكبر من عُشر الإطار تتحرك بشكل أفضل.
افتح صفحة نموذج Wan 2.2 I2V على هذا الموقع، انسخ نموذج وصف الحركة من المثال، واضغط زر التشغيل (PirateDiffusion: رد على صورتك بأمر /workflow؛ BitVector: ارفع الصورة واختر النموذج).
اكتب وصف حركة بجملة واحدة للموضوع وجملة واحدة للكاميرا. لا تذكر الملابس أو الألوان أو الإضاءة؛ الصورة تحتوي عليها.
أنشئ الفيديو بدقة 832x480 (أفقي) أو 480x832 (رأسي)، 81 إطارًا، الخطوات الافتراضية. شاهد المقطع كاملاً؛ قيم الحركة وليس الوضوح.
كرر فقط على وصف الحركة: الأفعال الأبطأ ("ببطء"، "برفق") تقلل من الحركات العشوائية؛ تعليمات كاميرا واحدة تمنع القفزات.
محليًا، مع بطاقة 16 جيجابايت: Wan 2.2 5B fp8 أو GGUF، 832x480، 49-81 إطارًا، مشفر النص على وحدة المعالجة المركزية. مع 24 جيجابايت: 14B fp8 عند 480p، 720p مع إيقاف المشفر. راجع دليل VRAM لفيديو الذكاء الاصطناعي.
مقاطع أطول: خذ الإطار الأخير من المقطع الأول كصورة بداية للمقطع الثاني مع وصف حركة مستمر؛ اجمعها في محرر؛ استوفِ إلى 30 إطارًا في الثانية وكبر الدقة في النهاية.
أضف صوتًا: LTX-2 وH3 يولدان صوتًا مع المقطع؛ بالنسبة لـ Wan، أضف موسيقى أو تأثيرات في المحرر.

أمثلة

وصف حركة لـ I2V

Positive: she lifts the coffee cup, takes a sip and looks out of the window; slow push-in, shallow depth of field, natural motion

Negative (Wan): static, blurry, distorted face, extra fingers, jump cut, text

أمر سير العمل في PirateDiffusion

/workflow /run:wan22-i2v she lifts the coffee cup and looks out of the window, slow push-in /length:81 (as a reply to the still)

ComfyUI Wan 2.2 5B على 16 جيجابايت

نصائح

أفعال الحركة أهم من الصفات: "يدير، يمشي، يرفع، يصب، يلوح" كل منها ينتج حركة مميزة وموثوقة؛ "جميل سينمائي" لا ينتج شيئًا.
حركة كاميرا واحدة لكل مقطع: دفع إلى الداخل، سحب للخلف، تحريك لليسار، دوران. حركتان تعطي اهتزاز.
الصور الرأسية تحرك الوجوه أفضل؛ الصور الأفقية تحرك البيئات أفضل.
LoRAs الخاصة بـ Wan للخبير عالي الضوضاء تشكل الحركة؛ المنخفضة تشكل التفاصيل. كثير من الحزم تحتوي على الاثنين؛ حمّل كل واحد على خبيره.
LoRAs المقطرة (lightx2v، FastWan) تخفض Wan من 20 خطوة إلى 4-6 عند CFG 1 مع فقدان قليل في الجودة؛ صفحات النماذج تذكرها.
توقع 3-10 دقائق لكل مقطع على 4090 لـ Wan 14B وحوالي 90 ثانية لـ LTX-2؛ السحابة تعيد معظم المقاطع خلال دقيقة أو دقيقتين.

تحقق من صفحة النموذج لـ 5B/14B والضوضاء العالية/المنخفضة؛ حمّل وفقًا لذلك مع كلمة التفعيل.

أسئلة

أي نموذج فيديو أبدأ به؟

Wan 2.2 I2V: سهل، موثق جيدًا، أكثر LoRAs. دليل البدء مع Wan يحتوي على الإعداد الكامل.

هل يمكنني فعل هذا على بطاقة 8 جيجابايت؟

مقاطع قصيرة بدقة 480p مع Wan 2.1 1.3B أو Wan 2.2 5B GGUF، ببطء. واقعيًا، ابدأ على السحابة.

كيف أحصل على الصوت؟

LTX-2 وMiniMax H3 يولدان صوتًا متزامنًا؛ أدلة مارك وايت لـ H3 تشرح أوامر الحوار والتأثيرات.

كم يمكن أن يكون طول المقطع؟

حوالي خمس ثوانٍ بشكل أصلي. المقاطع الأطول هي مقاطع متسلسلة؛ الجودة تتدهور بعد ست إلى ثماني ثوانٍ في تمريرة واحدة.

هل النماذج التجارية الجديدة (Veo، Kling، Wan 3.0) متاحة محليًا؟

لا؛ هي فقط عبر API. كل شيء في هذا الدليل مفتوح الوزن ويعمل محليًا أو على شركاء السحابة.

روابط ومصادر

النماذج في هذا الدليل

كتبه

يجلس في عش الغراب ويحدث Hugging Face حتى لا تضطر أنت. يبلغ عن نموذج جديد فور صدوره ومرة أخرى عند إعادة رفعه بهدوء مع تكوين مصحح. لم يكن أبداً مبكراً بما يكفي. يثق في ملف الترخيص أكثر من فيديو الإطلاق.

جميع الأدلة من Lookout

Wan 2.2 فيديو: إعدادات النص إلى فيديو والصورة إلى فيديو و LoRA

24 مايو 2026

كم تحتاج من VRAM لفيديوهات الذكاء الاصطناعي؟ Wan 2.2، HunyuanVideo 1.5 وLTX-2 حسب حجم بطاقة الرسوميات (2026)

6 أكتوبر 2026

التوجيه في MiniMax H3: من نص إلى فيديو، من صورة إلى فيديو، فيديو و صوت مرجعي

20 سبتمبر 2026

مطالب فيديو MiniMax H3: الهيكل الرسمي

14 سبتمبر 2026

LTX 2.3 تحسين الحدة: تفاصيل فيديو أكثر وضوحًا وسينمائية

3 أكتوبر 2026

دليل GPU و VRAM للصور والفيديو بالذكاء الاصطناعي: ما يحتاجه كل نموذج وماذا تشتري (أو لا تشتري)

7 يناير 2026

سير عمل HunyuanVideo لتحويل النص إلى فيديو في ComfyUI: نموذج 13B الذي بدأ الفيديو المحلي

9 أكتوبر 2026

أفضل نماذج فيديو ذكاء اصطناعي مفتوحة المصدر في 2026: ما يمكنك تنزيله فعليًا

14 أكتوبر 2026