Wan 2.2 video: nastavení text-to-video a image-to-video, nastavení a LoRA
Přehled
Wan 2.2 je otevřená video rodina od Alibaba a nejstahovanější video model na tomto webu. Je dostupný jako 5B hybridní model pro text- a image-to-video, určený pro běžné karty (720p na 8 až 12 GB), a jako 14B text-to-video a image-to-video modely, které používají dva experty: model s vysokým šumem, který v prvních krocích nastavuje pohyb a kompozici, a model s nízkým šumem, který v posledních krocích přidává detaily. Pár 14B dává ty filmové výsledky, které lidé sdílí; 5B model je ten, na kterém se učíš.
Komunita natrénovala stovky Wan LoRAs: pohyby kamery (orbit, dolly, crash zoom), styly pohybu, postavy, efekty a lightning / distilační LoRA, které zkracují 30-krokové rendery na 4 až 8 kroků s minimální ztrátou. Stránka Wan family je řadí podle popularity; lightning LoRA jsou skoro vždy nahoře.
Hostované možnosti jsou vhodné pro video, protože rendery jsou dlouhé a žerou hodně VRAM: PirateDiffusion spouští Wan workflow z Telegramu s /wf /run a BitVector má Wan grafy předinstalované s LoRA. Obojí je odkazováno v Run boxu na každé stránce Wan modelu.
Reference
Název | Typ | Co to je | |
|---|---|---|---|
Wan2.2-TI2V-5B | model | Jeden model pro text- a image-to-video, 720p při 24 fps, max 121 snímků. fp16 10 GB, fp8 5 GB. Karty 8 až 12 GB. | |
Wan2.2-T2V-A14B / I2V-A14B | model pair | ||
umt5-xxl text encoder | file | ||
| Wan 2.1 / 2.2 VAE | file | 5B model používá 2.2 VAE; 14B modely používají 2.1 VAE. Míchání dává špatné výsledky. | |
Resolution | setting | 480x832 nebo 832x480 pro rychlé testy; 720x1280 / 1280x720 pro finální. Násobky 16. | |
Frames | setting | 4n+1: 33, 49, 65, 81. 81 snímků při 16 fps je pět sekund. | |
Steps / shift / CFG | setting | ||
Lightning / distill LoRA | |||
Prompt | text |
Krok za krokem
- Nainstaluj loadery: ComfyUI core podporuje Wan 2.2; přidej ComfyUI-GGUF pro kvantované soubory. Nejprve aktualizuj ComfyUI.
- Načti oficiální šablonu (Workflow > Browse Templates > Video > Wan 2.2) a nahraď loadery svými soubory. Pro GGUF vyměň Load Diffusion Model za Unet Loader (GGUF).
- Pro 14B: dva KSampler Advanced uzly. První běží vysoký šum od kroků 0 do N/2 (vrací s ponechaným šumem), druhý běží nízký šum od N/2 do N. Šablona to už má zapojené.
- První render: 480x832, 33 snímků, 20 kroků, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Čas 2 až 6 minut.
- Přidej lightning LoRA z Wan family stránky (jednu pro každého experta), nastav kroky na 6 (3 + 3), CFG 1. Rendery klesnou pod minutu při 480p.
- Image-to-video: načti I2V pár, nahraj obrázek do WanImageToVideo, prompt nech o pohybu a kameře, ne o obrázku.
- Finální: 720p, 81 snímků, interpoluj na 32 fps s RIFE nebo FILM, případně zvětši video upscalerem z rodiny Upscalers.
- Příliš pomalé nebo velké: spusť stejný workflow na BitVector, nebo na PirateDiffusion s /workflow /show:wan pro zobrazení polí a /wf /run:wan s tvým promptem.
Příklady
Prompt pro text-to-video
A fisherman in a yellow raincoat hauls a net onto a small wooden boat in heavy rain, waves rock the boat, the camera is handheld and close, grey stormy light, cinematic, 35mm film grain
Negative: overexposed, static, blurry details, subtitles, worst quality, low quality, deformed, extra fingers, still image
Prompt pro image-to-video (jen pohyb)
The woman turns her head toward the camera and smiles, wind moves her hair, slow push-in, soft daylight
PirateDiffusion
/workflow /show:wan-i2v
/wf /run:wan-i2v /initimage:Iabc123 the woman turns her head toward the camera and smiles, wind moves her hair, slow push-in
Tipy
- Pohyb popisuj slovesy a kameru filmovými výrazy (slow dolly in, handheld, static wide shot). Wan zvládá jazyk kamery neobvykle dobře.
- Nezapomeň na negativní prompt: oficiální obsahuje přeexpozici, statické scény, rozmazané detaily, titulky, nejhorší kvalitu, extra prsty a pomáhá to.
- Počet snímků stojí víc než rozlišení: 81 snímků při 480p je levnější než 49 snímků při 720p.
- Motion LoRA pro Wan jsou označené podle experta, na kterého cílí; LoRA jen pro nízký šum přidává detaily, LoRA pro vysoký šum mění pohyb.
- Seed je u videa hodně důležitý; při ladění promptu ho nech stejný, pak ho měň pro různé záběry.
- Ulož workflow s tvou sadou LoRA jako šablonu; Wan grafy jsou dlouhé a snadno se rozbijí.
Řešení problémů
Nedostatek paměti u prvního sampleru
Proč k tomu dochází
fp16 14B váhy na kartě 24 GB nebo menší.
Jak to opravit
fp8 nebo GGUF Q4 pár, méně snímků, 480p, --lowvram; nebo 5B model.
Video je rozmazaný flek nebo barevný šum
Proč k tomu dochází
Špatný VAE (2.2 VAE s 14B nebo 2.1 VAE s 5B), nebo lightning LoRA bez CFG 1.
Jak to opravit
Použij VAE odpovídající modelu; s lightning LoRA nastav CFG 1 a 4 až 8 kroků.
Skoro žádný pohyb
Proč k tomu dochází
Prompt popisuje scénu, ne akci; nebo málo kroků u experta vysoký šum.
Jak to opravit
Přidej slovesa pohybu a pohyby kamery; dej expertovi vysoký šum polovinu kroků.
Předmět se během videa mění
Proč k tomu dochází
Příliš mnoho snímků pro rozlišení, nebo dva konfliktní LoRA.
Jak to opravit
Zkrať na 49 snímků, použij jednu motion LoRA najednou, zvyšte kroky u experta nízký šum.
Dekódování selže po úspěšném vzorkování
Proč k tomu dochází
VAE dekódování je paměťový vrchol u videa.
Jak to opravit
Wan VAE dekódování po dlaždicích (volba tiled na decode uzlu), nebo méně snímků.
Varování o nenačteném LoRA klíči
Proč k tomu dochází
2.1 LoRA na 2.2, nebo 14B LoRA na 5B model.
Jak to opravit
Použij správnou verzi a velikost; stránka modelu je pojmenovává.
Otázky
5B nebo 14B?
5B na učení a pro karty 8 až 12 GB; 14B na kvalitu, když máš 24 GB nebo běžíš hostované. Oba používají stejné prompty.
Jak dlouhý je klip?
Až 81 snímků (5 s při 16 fps) pro 14B a 121 snímků (5 s při 24 fps) pro 5B na jeden render; delší videa se skládají z pokračování posledního snímku.
Dělá Wan zvuk?
Wan 2.2 S2V animuje mluvčího z audia, ale nevytváří zvuk; LTX-2 a MiniMax H3 generují zvuk s videem (jejich návody jsou na tomto webu).
Odkud jsou lightning LoRA?
Distilační vydání od Lightx2v a dalších; Wan family stránka je uvádí s heat skóre a expertem, na kterého cílí.
Můžu Wan spustit bez GPU?
Ano: PirateDiffusion z Telegramu, BitVector v prohlížeči. Oba mají workflow a LoRA předinstalované.
Odkazy a zdroje
- Wan 2.2 on GitHub
- Wan 2.2 weights on Hugging Face
- ComfyUI Wan 2.2 examples
- Wan family page
- Hosted Wan workflows on PirateDiffusionAD
- BitVectorAD
Modely v tomto návodu
Napsal
Řídí tuto loď. Má názory na doby dekódování VAE, o které nikdo nežádal. Věří, že váhy chtějí být volné a že každý model, který si nemůžeš stáhnout, je předplatné s dalšími kroky. Nebude odpovídat na otázky ohledně 400 GB checkpointů na NASu.
Všechny průvodce od Captain
Související návody
CUDA nedostatek paměti: kolik VRAM potřebuje každý AI model a jak to zvládnout
18. Kvě 2026
Chyby ComfyUI a jak je opravit: červené uzly, chybějící modely, nedostatek paměti CUDA
12. Kvě 2026
MiniMax H3 video prompts: the official structure
14. Zář 2026
Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: kterou rodinu modelů používat v roce 2026
22. Kvě 2026
Nejlepší open-source AI video modely v roce 2026: co si opravdu můžeš stáhnout
14. Říj 2026
Další návody
Generování AI videa pro začátečníky: z obrázku na video, z textu na video a první klip s Wan, LTX-2 a H3
29. Dub 2026
Kolik VRAM potřebuješ pro AI video? Wan 2.2, HunyuanVideo 1.5 a LTX-2 podle velikosti GPU (2026)
6. Říj 2026
HunyuanVideo 1.5 vs Wan 2.2: který otevřený video model použít v roce 2026
4. Říj 2026
Wan 2.2 5B vs 14B: který Wan stáhnout pro tvou grafickou kartu
4. Říj 2026
Wan 2.2 5B ComfyUI workflow: 720p text nebo obrázek na video na jedné střední kartě
9. Říj 2026