Generarea video AI pentru începători: de la imagine la video, de la text la video și primul clip cu Wan, LTX-2 și H3

Q: Memorie insuficientă la 720p

Numărul de cadre înmulțit cu rezoluția depășește VRAM-ul. Scade la 480p sau mai puține cadre, pune encoderul text pe offload; vezi ghidul VRAM pentru video AI.

Subiect: Modele video

De Lookout

Publicat 29 Apr 2026

Prezentare generală

Modelele video sunt modele de imagine cu o axă temporală: același ciclu de denoising rulează pe un bloc de cadre odată, deci tot ce știi despre prompturi, seed-uri și denoise se aplică și costurile se înmulțesc cu numărul de cadre. Consecințele practice pentru un începător sunt trei. Începe cu imagine-la-video (I2V), pentru că un cadru bun dintr-un model de imagine fixează compoziția și stilul și lasă modelul video să inventeze doar mișcarea. Păstrează clipurile scurte (aproximativ cinci secunde), pentru că pe asta au fost antrenate modelele. Și așteaptă-te să rulezi modelele mari în cloud, dacă nu ai un card de 24 GB.

Trei familii open acoperă majoritatea nevoilor în 2026. Wan 2.2 (Alibaba) e modelul universal: un model de 5B care rulează pe 12-16 GB și un model de 14B cu doi experți, cu cea mai bună calitate open, plus un ecosistem mare de LoRA pentru mișcare și stil. LTX-2 (Lightricks) e rapid și generează audio sincronizat, dar cere 24-32 GB. MiniMax H3 e modelul audio-video cu dialog și efecte sonore, folosit mai ales prin fluxuri găzduite; ghidurile de prompting H3 de pe acest site de Mark White merg în detalii. Hunyuan Video 1.5 e o alternativă mai ușoară la Wan 14B.

Catalogul listează fiecare model video și LoRA-urile lui cu baza și dimensiunea țintită (5B sau 14B, expert zgomot mare sau mic), iar paginile modelelor arată clipuri exemplu cu prompturile lor. Butonul Run deschide modelul pe PirateDiffusion, unde o comandă workflow produce clipul dintr-un răspuns la imaginea ta, sau pe BitVector.

Referință

Nume	Tip	Ce este
I2V (image to video)	mode	Animează o imagine fixă. Cel mai bun mod de început: compoziția e deja corectă; promptul descrie doar mișcarea.
T2V (text to video)	mode	Doar dintr-un prompt. Mai multă varietate, mai puțin control; folosește pentru idei și B-roll.
FLF2V / first-last frame	mode	Două cadre cheie; modelul completează mișcarea între ele. Tranziții controlate.
Frames and fps	setting	Wan: 81 cadre la 16 fps (5 s); LTX-2: 97-121 cadre la 24-25 fps; H3: 145 cadre la ~24 fps. Memoria crește odată cu cadrele.
Resolution	setting	Wan 2.2: 832x480 sau 480x832 (rapid), 1280x720 (24 GB+); LTX-2 până la 1080p+ cu 32 GB. Portret pentru oameni, peisaj pentru scene.
Motion prompt	prompt	O mișcare a subiectului plus o mișcare a camerei: "se întoarce spre fereastră și zâmbește; push-in lent". Evită să enumeri detalii din scenă deja în imagine.
Steps / CFG / shift	setting	Wan 2.2 14B: 20 pași împărțiți 10/10 între experți, CFG 3.5, shift 5; 5B: 20-30 pași, CFG 5; LTX-2: 25-30 pași cu programul lui; LoRA-urile distilate (lightx2v) aduc Wan la 4-8 pași la CFG 1.
Motion LoRAs	file	Mișcări de cameră, dansuri, gesturi, fizică; potrivite pentru 5B/14B și expertul corespunzător. Paginile aici spun ținta.
Interpolation and upscale	post	RIFE sau FILM la 32-60 fps; ESRGAN cadru cu cadru sau SeedVR pentru rezoluție.

Pas cu pas

Fă sau alege o imagine fixă: un render 1024x1024 sau 832x1216 cu un subiect clar și fundal simplu. Fețele mai mari de o zecime din cadru se animă cel mai bine.
Deschide o pagină a modelului Wan 2.2 I2V pe acest site, copiază modelul de prompt de mișcare exemplu și apasă butonul Run (PirateDiffusion: răspunde la imaginea ta cu comanda /workflow; BitVector: încarcă și alege modelul).
Scrie un prompt de mișcare cu o propoziție pentru subiect și una pentru cameră. Nimic despre haine, culori sau lumină; imaginea are deja astea.
Generează la 832x480 (peisaj) sau 480x832 (portret), 81 cadre, pașii default. Uită-te la tot clipul; judecă mișcarea, nu claritatea.
Iterează doar pe promptul de mișcare: verbe mai lente ("încet", "blând") reduc mișcările haotice; o singură instrucțiune pentru cameră previne salturile.
Local, cu un card de 16 GB: Wan 2.2 5B fp8 sau GGUF, 832x480, 49-81 cadre, encoder text pe CPU. Cu 24 GB: 14B fp8 la 480p, 720p cu encoderul pe offload. Vezi ghidul VRAM pentru video AI.
Piese mai lungi: ia ultimul cadru din clipul unu ca imagine de start pentru clipul doi cu un prompt de mișcare continuu; unește în editor; interpolează la 30 fps și upscale la final.
Adaugă sunet: LTX-2 și H3 generează audio cu clipul; pentru Wan, adaugă muzică sau efecte în editor.

Exemple

Prompt de mișcare pentru 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

Comandă workflow 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 pe 16 GB

Sfaturi

Verbele de mișcare contează mai mult decât adjectivele: "se întoarce, merge, ridică, toarnă, face cu mâna" produc fiecare o mișcare distinctă și sigură; "frumos cinematic" nu produce nimic.
O singură mișcare de cameră pe clip: push-in, pull-back, pan stânga, orbită. Două mișcări dau un efect de tremurat.
Imaginile portret animă mai bine fețele; cele peisaj animă mai bine mediul.
LoRA-urile Wan pentru expertul cu zgomot mare modelează mișcarea; cele cu zgomot mic modelează detaliile. Multe pachete au ambele; încarcă fiecare pe expertul lui.
LoRA-urile distilate (lightx2v, FastWan) reduc Wan de la 20 pași la 4-6 la CFG 1 cu puțină pierdere de calitate; paginile modelelor le listează.
Așteaptă 3-10 minute pe clip pe un 4090 pentru Wan 14B și cam 90 de secunde pentru LTX-2; cloud-ul returnează majoritatea clipurilor în unu-două minute.

Verifică pagina modelului pentru 5B/14B și zgomot mare/mic; încarcă conform cu cuvântul lui trigger.

Întrebări

Ce model video să aleg prima dată?

Wan 2.2 I2V: iertător, bine documentat, cu cele mai multe LoRA-uri. Ghidul de început Wan are setup-ul complet.

Pot face asta pe un card de 8 GB?

Clipuri scurte 480p cu Wan 2.1 1.3B sau Wan 2.2 5B GGUF, încet. Realist, începe în cloud.

Cum obțin sunet?

LTX-2 și MiniMax H3 generează audio sincronizat; ghidurile de prompting H3 de Mark White explică dialogul și efectele.

Cât poate dura un clip?

Cam cinci secunde nativ. Piesele mai lungi sunt clipuri legate; calitatea scade după șase-opt secunde într-un singur pas.

Cele mai noi modele comerciale (Veo, Kling, Wan 3.0) sunt disponibile local?

Nu; sunt doar API. Tot ce e în acest ghid e open-weight și rulează local sau pe cloud parteneri.

Linkuri și surse

Modele din acest ghid

Scris de

Stă în turnul de observație și reîmprospătează Hugging Face ca să nu trebuiască tu. Raportează un model nou în momentul în care apare și din nou când este reîncărcat discret cu o configurație fixă. Nu a fost niciodată suficient de devreme. Are mai multă încredere într-un fișier de licență decât într-un video de lansare.

Toate ghidurile de Lookout

Wan 2.2 video: configurare text-la-video și imagine-la-video, setări și LoRA-uri

24 Mai 2026

Cât VRAM îți trebuie pentru video AI? Wan 2.2, HunyuanVideo 1.5 și LTX-2 după mărimea GPU-ului (2026)

6 Oct 2026

MiniMax H3: text la video, imagine la video, video de referință și audio

20 Sep 2026

MiniMax H3 prompturi video: structura oficială

14 Sep 2026

LTX 2.3 Crisp Enhance: detalii video mai clare, mai cinematice

3 Oct 2026

Ghid GPU și VRAM pentru AI imagine și video: ce are nevoie fiecare model și ce să cumperi (sau nu)

7 Ian 2026

Flux de lucru HunyuanVideo text to video ComfyUI: modelul 13B care a început video local

9 Oct 2026

Cele mai bune modele video AI open-source în 2026: ce poți descărca cu adevărat

14 Oct 2026

Mai multe ghiduri

Cum să instalezi Wan2GP: AI pentru video și imagini pe GPU-uri cu VRAM redus

8 Oct 2026

Taxă fixă vs tokeni: de ce planurile nelimitate precum Graydient.ai oferă cea mai bună valoare pentru creatorii AI în 2026

8 Oct 2026

Cerințe VRAM pentru fiecare model popular AI de imagine și video (2026): precizie completă, FP8 și GGUF

6 Oct 2026

HunyuanVideo 1.5 vs Wan 2.2: care model video open să folosești în 2026

4 Oct 2026

Cum să rulezi modele AI în cloud (ghid pentru începători 2026): Flux, Wan și SDXL fără GPU