יצירת וידאו בינה מלאכותית למתחילים: תמונה לווידאו, טקסט לווידאו והקליפ הראשון עם Wan, LTX-2 ו-H3

Q: הקליפ סטטי עם רטט קל

אין פועל תנועה בפקודה, או משקל LoRA סטטי גבוה מדי. תוסיף תנועת נושא ותנועת מצלמה; תרד במשקל LoRA ל-0.7.

Q: פנים נמסות או משתנות

פנים קטנות מדי, יותר מדי פריימים, או 480p על פנים מפורטות. תחתוך קרוב יותר, 49-61 פריימים, או 720p בענן; מעבר לפירוט פנים לכל פריים הוא פתרון אחרון.

Q: קפיצות מצלמה או קיצוץ סצנה

שתי הוראות מצלמה, או מילים כמו "קפיצה" בפקודה. תנועת מצלמה אחת; תכניס "jump cut" לשלילה.

Q: חוסר זיכרון ב-720p

מספר הפריימים כפול הרזולוציה חורג מזיכרון ה-VRAM. תרד ל-480p או פחות פריימים, תנתק את מקודד הטקסט; ראה מדריך VRAM לווידאו AI.

Q: LoRA תנועה לא עושה כלום

טען למומחה או גודל מודל לא נכון. תבדוק בדף המודל אם 5B/14B ורעש גבוה/נמוך; טען לפי מילת ההפעלה שלו.

נושא: דגמי וידאו

מאת Lookout

פורסם ב-29 באפר׳ 2026

סקירה כללית

מודלים לווידאו הם מודלים לתמונות עם ציר זמן: אותו לולאת הסרת רעש רצה על בלוק של פריימים בבת אחת, אז כל מה שאתה יודע על פקודות, זרעים והסרת רעש עובר, וכך גם העלויות, מוכפלות במספר הפריימים. ההשלכות המעשיות למתחיל הן שלוש. תתחיל עם תמונה לווידאו (I2V), כי תמונה טובה ממודל תמונה קובעת קומפוזיציה וסגנון ומשאירה למודל הווידאו רק את התנועה להמציא. תשמור על קליפים קצרים (כחמש שניות), כי זה מה שהמודלים אומנו עליו. ותחכה להריץ את המודלים הגדולים בענן אלא אם יש לך כרטיס 24 גיגה.

שלוש משפחות פתוחות מכסות את רוב הצרכים ב-2026. Wan 2.2 (Alibaba) הוא הכל-בו: מודל 5 מיליארד שמריץ על 12-16 גיגה ומודל שני מומחים 14 מיליארד עם האיכות הפתוחה הטובה ביותר, ועוד אקוסיסטם ענק של LoRA לתנועה וסגנון. LTX-2 (Lightricks) מהיר ומייצר אודיו מסונכרן אבל דורש 24-32 גיגה. MiniMax H3 הוא מודל אודיו-וידאו עם דיאלוג ואפקטים, בעיקר בשימוש דרך זרימות עבודה מתארחות; מדריכי הפקודות של H3 באתר הזה מאת Mark White נכנסים לעומק. Hunyuan Video 1.5 הוא אלטרנטיבה קלה יותר ל-Wan 14B.

הקטלוג מפרט כל מודל וידאו ו-LoRA שלו עם הבסיס והגודל שהוא מכוון אליו (5B או 14B, מומחה רעש גבוה או נמוך), ודפי המודל מציגים קליפים לדוגמה עם הפקודות שלהם. כפתור Run פותח את המודל ב-PirateDiffusion, שם פקודת זרימת עבודה מייצרת את הקליפ מתגובה לתמונה שלך, או ב-BitVector.

הפניה

שם	סוג	מה זה
I2V (image to video)	mode	להנפיש תמונה סטטית. מצב ראשון מומלץ: הקומפוזיציה כבר נכונה; הפקודה מתארת רק תנועה.
T2V (text to video)	mode	רק מפקודה. יותר גיוון, פחות שליטה; משתמשים לרעיונות ול-B-roll.
FLF2V / first-last frame	mode	שני פריימים מרכזיים; המודל ממלא את התנועה ביניהם. מעברים מבוקרים.
Frames and fps	setting	Wan: 81 פריימים ב-16 fps (5 שניות); LTX-2: 97-121 פריימים ב-24-25 fps; H3: 145 פריימים בכ-24 fps. הזיכרון גדל עם הפריימים.
Resolution	setting	Wan 2.2: 832x480 או 480x832 (מהיר), 1280x720 (24 GB+); LTX-2 עד 1080p+ עם 32 GB. פורטרט לאנשים, נוף לסצנות.
Motion prompt	prompt	תנועת נושא אחת ותנועת מצלמה אחת: "היא פונה לחלון ומחייכת; דחיפה איטית פנימה". אל תפרט פרטים שכבר בתמונה.
Steps / CFG / shift	setting	Wan 2.2 14B: 20 צעדים מחולקים 10/10 בין מומחים, CFG 3.5, shift 5; 5B: 20-30 צעדים, CFG 5; LTX-2: 25-30 צעדים עם לוח זמנים משלו; LoRA מזוקקים (lightx2v) מקצרים את Wan ל-4-8 צעדים ב-CFG 1.
Motion LoRAs	file	תנועות מצלמה, ריקודים, מחוות, פיזיקה; מותאמים ל-5B/14B ולמומחה. הדפים כאן מציינים את היעד.
Interpolation and upscale	post	RIFE או FILM ל-32-60 fps; ESRGAN או SeedVR לפריימים לרזולוציה.

שלב אחר שלב

תיצור או תבחר תמונה סטטית: רינדור 1024x1024 או 832x1216 עם נושא ברור ורקע פשוט. פנים שגודלן גדול מעשירית הפריים מונפשות הכי טוב.
תפתח דף מודל Wan 2.2 I2V באתר הזה, תעתיק את דוגמת פקודת התנועה, ותלחץ על כפתור Run (PirateDiffusion: תגיב לתמונה שלך עם פקודת /workflow; BitVector: תעלה ותבחר את המודל).
תכתוב פקודת תנועה של משפט אחד לנושא ואחד למצלמה. בלי לדבר על בגדים, צבעים או תאורה; התמונה כבר מכילה את זה.
תייצר ב-832x480 (נוף) או 480x832 (פורטרט), 81 פריימים, צעדים ברירת מחדל. תצפה בקליפ כולו; תעריך את התנועה, לא את החדות.
תשפר רק את פקודת התנועה: פעלים איטיים יותר ("לאט", "ברוך") מפחיתים תנועות פרועות; הוראה אחת למצלמה מונעת קפיצות.
מקומית, עם כרטיס 16 גיגה: Wan 2.2 5B fp8 או GGUF, 832x480, 49-81 פריימים, מקודד טקסט על CPU. עם 24 גיגה: 14B fp8 ב-480p, 720p עם הקידוד מנותק. ראה מדריך VRAM לווידאו AI.
חלקים ארוכים יותר: קח את הפריים האחרון של קליפ אחד כתמונת התחלה של קליפ שני עם פקודת תנועה ממשיכה; חבר בעורך; בצע אינטרפולציה ל-30 fps והגדל רזולוציה בסוף.
תוסיף סאונד: LTX-2 ו-H3 מייצרים אודיו עם הקליפ; ל-Wan, תוסיף מוזיקה או אפקטים בעורך.

דוגמאות

פקודת תנועה ל-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

פקודת זרימת עבודה ב-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 על 16 גיגה

טיפים

פעלי תנועה חשובים יותר מתארים: "פונה, הולך, מרים, שופך, מניף" כל אחד מייצר תנועה מובחנת ואמינה; "יפה קולנועי" לא מייצר כלום.
תנועת מצלמה אחת לקליפ: דחיפה פנימה, משיכה אחורה, סיבוב שמאלה, סיבוב סביב. שתי תנועות יוצרות רעידות.
תמונות פורטרט מונפשות פנים טוב יותר; תמונות נוף מונפשות סביבות טוב יותר.
LoRA של Wan למומחה רעש גבוה מעצבות את התנועה; של רעש נמוך מעצבות פרטים. הרבה חבילות מגיעות עם שניהם; טען כל אחת למומחה שלה.
LoRA מזוקקים (lightx2v, FastWan) מקצרים את Wan מ-20 צעדים ל-4-6 ב-CFG 1 עם אובדן איכות קטן; דפי המודל מפרטים אותם.
צפה ל-3-10 דקות לקליפ על 4090 ל-Wan 14B וכ-90 שניות ל-LTX-2; הענן מחזיר רוב הקליפים בדקה או שתיים.

תבדוק בדף המודל אם 5B/14B ורעש גבוה/נמוך; טען לפי מילת ההפעלה שלו.

שאלות נפוצות

איזה מודל וידאו ראשון?

Wan 2.2 I2V: סלחני, מתועד היטב, הכי הרבה LoRA. מדריך ההתחלה של Wan כולל את כל ההגדרות.

אפשר להריץ על כרטיס 8 גיגה?

קליפים קצרים ב-480p עם Wan 2.1 1.3B או Wan 2.2 5B GGUF, לאט. במציאות, תתחיל בענן.

איך מקבלים סאונד?

LTX-2 ו-MiniMax H3 מייצרים אודיו מסונכרן; מדריכי הפקודות של Mark White ל-H3 מסבירים דיאלוג ואפקטים.

כמה זמן קליפ יכול להיות?

כחמש שניות באופן טבעי. קליפים ארוכים יותר הם שרשרת קליפים; האיכות יורדת אחרי שש עד שמונה שניות במעבר אחד.

האם המודלים המסחריים החדשים (Veo, Kling, Wan 3.0) זמינים מקומית?

לא; הם רק דרך API. כל מה שבמדריך הזה הוא משקל פתוח ורץ מקומית או בענן.

קישורים ומקורות

דגמים במדריך זה

נכתב על ידי

יושב במגדל התצפית ומרענן את Hugging Face כדי שלא תצטרך. מדווח על דגם חדש ברגע שהוא יוצא ושוב ברגע שהוא מועלה בשקט עם קונפיג מתוקן. אף פעם לא היה מוקדם מספיק. סומך על קובץ רישיון יותר מסרטון השקה.

כל המדריכים של Lookout

Wan 2.2 וידאו: הגדרות והתקנה לטקסט לווידאו ותמונה לווידאו, ו-LoRA

24 במאי 2026

כמה זיכרון VRAM צריך לווידאו בינה מלאכותית? Wan 2.2, HunyuanVideo 1.5 ו-LTX-2 לפי גודל GPU (2026)

6 באוק׳ 2026

הנחיית MiniMax H3: טקסט לווידאו, תמונה לווידאו, וידאו ואודיו כהפניה

20 בספט׳ 2026

מיני-מקס H3 פרומפטים לווידאו: המבנה הרשמי

14 בספט׳ 2026

LTX 2.3 שיפור חד: פרטים חדים וקולנועיים יותר בווידאו

3 באוק׳ 2026

מדריך GPU ו-VRAM לתמונות וסרטוני AI: מה כל מודל צריך ומה כדאי לקנות (או לא)

7 בינו׳ 2026

HunyuanVideo טקסט לווידאו ב-ComfyUI: דגם 13B שהתחיל וידאו מקומי

9 באוק׳ 2026

דגמי וידאו AI בקוד פתוח הטובים ביותר ב-2026: מה שאפשר באמת להוריד

14 באוק׳ 2026

עוד מדריכים

איך להתקין Wan2GP: וידאו ותמונות AI על כרטיסי GPU עם זיכרון VRAM נמוך

8 באוק׳ 2026

תשלום קבוע לעומת טוקנים: למה תוכניות ללא הגבלה כמו Graydient.ai הן הערך הטוב ביותר ליוצרי AI ב-2026

8 באוק׳ 2026

דרישות VRAM לכל דגם AI פופולרי לתמונות ווידאו (2026): דיוק מלא, FP8 ו-GGUF

6 באוק׳ 2026

HunyuanVideo 1.5 מול Wan 2.2: איזה מודל וידאו פתוח כדאי להריץ ב-2026

4 באוק׳ 2026

איך להפעיל מודלים של בינה מלאכותית בענן (מדריך למתחילים 2026): Flux, Wan ו-SDXL בלי GPU