Prompt opisuje scenę, nie akcję; albo za mało kroków na ekspercie wysokoszumowym. Dodaj czasowniki ruchu i ruchy kamery; daj ekspertowi wysokoszumowemu połowę kroków.

Wan 2.2 video: konfiguracja text-to-video i image-to-video, ustawienia i LoRA

Q: Brak pamięci przy pierwszym samplerze

fp16 14B wagi na karcie 24 GB lub mniejszej. Para fp8 lub GGUF Q4, mniej klatek, 480p, --lowvram; albo model 5B.

Q: Obiekt zmienia się w połowie

Za dużo klatek na rozdzielczość, albo dwie sprzeczne LoRA. Skróć do 49 klatek, jedna LoRA ruchu na raz, zwiększ kroki na ekspercie niskoszumowym.

Q: Dekodowanie nie powiodło się po udanym próbkowaniu

Dekodowanie VAE to szczyt pamięci dla wideo. Wan VAE dekoduj w kafelkach (opcja tiled na węźle decode), albo mniej klatek.

Temat: Modele wideo

Autor: Captain

Opublikowano 24 Maj 2026

Przegląd

Wan 2.2 to otwarta rodzina modeli wideo od Alibaba i najczęściej pobierany model wideo na tej stronie. Jest dostępny jako hybrydowy model 5B do text- i image-to-video, stworzony pod karty konsumenckie (720p na 8 do 12 GB), oraz jako modele 14B text-to-video i image-to-video, które używają dwóch ekspertów: model wysokoszumowy, który ustawia ruch i kompozycję w pierwszych krokach, oraz model niskoszumowy, który dodaje szczegóły w ostatnich krokach. Para 14B daje kinowe efekty, które ludzie udostępniają; model 5B jest do nauki.

Społeczność wytrenowała setki Wan LoRA: ruchy kamery (orbit, dolly, crash zoom), style ruchu, postacie, efekty oraz błyskawiczne / destylacyjne LoRA, które skracają renderowanie z 30 kroków do 4-8 z niewielką stratą jakości. Strona rodziny Wan klasyfikuje je według popularności; błyskawiczne LoRA prawie zawsze są na szczycie.

Opcje na hostingu dobrze sprawdzają się przy wideo, bo renderowanie jest długie i wymaga dużo VRAM: PirateDiffusion uruchamia Wan z Telegrama przez /wf /run, a BitVector ma gotowe grafy Wan z LoRA. Oba są podlinkowane w polu Run na każdej stronie modelu Wan.

Odniesienie

Nazwa	Typ	Co to jest
Wan2.2-TI2V-5B	model	Jeden model do text- i image-to-video, 720p przy 24 fps, max 121 klatek. fp16 10 GB, fp8 5 GB. Karty 8 do 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Eksperci wysokoszumowy i niskoszumowy, po 14B każdy (łącznie 27B, aktywny 14B). 480p i 720p. fp8 około 14 GB każdy; GGUF Q4 około 8 GB każdy.
umt5-xxl text encoder	file	fp8 skalowany (6 GB) lub fp16 (11 GB). Wspólny dla wszystkich modeli Wan.
Wan 2.1 / 2.2 VAE	file	Model 5B używa VAE 2.2; modele 14B używają VAE 2.1. Mieszanie ich daje śmieci.
Resolution	setting	480x832 lub 832x480 do szybkich testów; 720x1280 / 1280x720 do finalnych. Wielokrotności 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 klatek przy 16 fps to pięć sekund.
Steps / shift / CFG	setting	20 do 30 kroków, shift 5 do 8, CFG 3.5 do 5 bez lightning. Z lightning LoRA: 4 do 8 kroków, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	Osobne LoRA dla eksperta wysokoszumowego i niskoszumowego; ładuj każdą na osobnym modelu. Waga 1.0.
Prompt	text	Temat, akcja, kamera, oświetlenie, styl, w tej kolejności. Opisuj ruch czasownikami. Wan używa negatywnego promptu (w przeciwieństwie do Flux).

Krok po kroku

Zainstaluj loadery: ComfyUI core obsługuje Wan 2.2; dodaj ComfyUI-GGUF dla plików kwantyzowanych. Najpierw zaktualizuj ComfyUI.
Pobierz wersję dla swojej karty: 5B fp8 plus VAE 2.2 i umt5 fp8 na 8 do 12 GB; para 14B fp8 plus VAE 2.1 na 24 GB; para 14B GGUF Q4 na 12 do 16 GB.
Załaduj oficjalny szablon (Workflow > Browse Templates > Video > Wan 2.2) i podmień loadery na swoje pliki. Dla GGUF zamień Load Diffusion Model na Unet Loader (GGUF).
Dla 14B: dwa węzły KSampler Advanced. Pierwszy uruchamia model wysokoszumowy od kroku 0 do N/2 (zwraca z resztą szumu), drugi uruchamia model niskoszumowy od N/2 do N. Szablon ma to już połączone.
Pierwszy render: 480x832, 33 klatki, 20 kroków, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Spodziewaj się 2 do 6 minut.
Dodaj błyskawiczne LoRA ze strony rodziny Wan (po jednym dla każdego eksperta), ustaw kroki na 6 (3 + 3), CFG 1. Renderowanie spada poniżej minuty przy 480p.
Image-to-video: załaduj parę I2V, podaj obraz do WanImageToVideo, w promptcie skup się na ruchu i kamerze, nie na opisie obrazu.
Finalne: 720p, 81 klatek, interpoluj do 32 fps z RIFE lub FILM, jeśli trzeba, powiększaj za pomocą video upscalera z rodziny Upscalers.
Za wolno lub za duże: uruchom ten sam workflow na BitVector lub na PirateDiffusion z /workflow /show:wan, żeby zobaczyć pola i /wf /run:wan z promptem.

Przykłady

Prompt 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 image-to-video (tylko ruch)

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

Porady

Opisuj ruch czasownikami i kamerę słowami filmowymi (wolny dolly in, handheld, statyczny szeroki plan). Wan bardzo dobrze rozumie język kamery.
Zachowaj negatywny prompt: oficjalny wymienia prześwietlenie, statyczność, rozmyte detale, napisy, najgorszą jakość, dodatkowe palce i pomaga to.
Dla I2V wygeneruj pierwszą klatkę Fluxem, Qwenem lub Z-Image w docelowym formacie; ostry, dobrze oświetlony obraz daje lepszy klip niż prompt.
Liczba klatek kosztuje więcej niż rozdzielczość: 81 klatek przy 480p jest tańsze niż 49 klatek przy 720p.
Motion LoRA dla Wan mają tagi eksperta, którego dotyczą; LoRA tylko niskoszumowa dodaje detale, LoRA wysokoszumowa zmienia ruch.
Seed jest bardzo ważny w wideo; trzymaj seed stały podczas dopracowywania promptu, potem zmieniaj dla różnych ujęć.
Zapisz workflow z zestawem LoRA jako szablon; grafy Wan są długie i łatwo je uszkodzić.

Dopasuj wersję i rozmiar; strona modelu podaje oba.

Pytania

5B czy 14B?

5B do nauki i na karty 8 do 12 GB; 14B do jakości, jeśli masz 24 GB lub używasz hostingu. Oba biorą te same prompt.

Jak długi jest klip?

Do 81 klatek (5 s przy 16 fps) dla 14B i 121 klatek (5 s przy 24 fps) dla 5B na render; dłuższe wideo składa się z kontynuacji ostatniej klatki.

Czy Wan robi dźwięk?

Wan 2.2 S2V animuje mówcę z audio, ale nie generuje dźwięku; LTX-2 i MiniMax H3 generują dźwięk z wideo (ich poradniki są na tej stronie).

Skąd są błyskawiczne LoRA?

Wydania destylacyjne od Lightx2v i innych; strona rodziny Wan pokazuje je z ocenami popularności i ekspertem, którego dotyczą.

Czy mogę uruchomić Wan bez GPU?

Tak: PirateDiffusion z Telegrama, BitVector w przeglądarce. Oba mają gotowe workflow i LoRA.

Linki i źródła

Modele w tym poradniku

Modele Wan

Autor

Captain

Dowodzi tym statkiem. Ma opinie o czasach dekodowania VAE, o które nikt nie pytał. Wierzy, że wagi chcą być wolne i że każdy model, którego nie możesz pobrać, to subskrypcja z dodatkowymi krokami. Nie będzie odpowiadać na pytania o 400 GB checkpointów na NAS.

Wszystkie poradniki autorstwa Captain

CUDA brak pamięci: ile VRAM potrzebuje każdy model AI i jak go zmieścić

18 Maj 2026

Błędy ComfyUI i jak je naprawić: czerwone węzły, brakujące modele, brak pamięci CUDA

12 Maj 2026

MiniMax H3 video prompts: oficjalna struktura

14 Wrz 2026

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: którą rodzinę modeli wybrać w 2026

22 Maj 2026

Najlepsze otwarte modele AI do wideo w 2026: co naprawdę możesz pobrać

14 Paź 2026

Więcej poradników

Generowanie wideo AI dla początkujących: obraz na wideo, tekst na wideo i pierwszy klip z Wan, LTX-2 i H3

29 Kwi 2026

Ile VRAM potrzebujesz do AI wideo? Wan 2.2, HunyuanVideo 1.5 i LTX-2 według wielkości GPU (2026)

6 Paź 2026

HunyuanVideo 1.5 kontra Wan 2.2: który otwarty model wideo wybrać w 2026

4 Paź 2026

Wan 2.2 5B kontra 14B: który Wan pobrać dla swojej karty graficznej

4 Paź 2026

Wan 2.2 5B ComfyUI workflow: 720p tekst lub obraz na wideo na jednej karcie średniej klasy

9 Paź 2026