Wan 2.2 video: configurare text-la-video și imagine-la-video, setări și LoRA-uri
Prezentare generală
Wan 2.2 este familia video open a Alibaba și cel mai descărcat model video de pe acest site. Vine ca un model hibrid text-și-imagine-la-video de 5B construit pentru plăci consumer (720p pe 8 până la 12 GB), și ca modele text-la-video și imagine-la-video de 14B care folosesc doi experți: un model cu zgomot ridicat care stabilește mișcarea și compoziția în primii pași și un model cu zgomot scăzut care adaugă detalii în ultimii pași. Perechea de 14B produce rezultatele cinematice pe care oamenii le împărtășesc; modelul de 5B e cel pentru învățare.
Comunitatea a antrenat sute de LoRA-uri Wan: mișcări de cameră (orbită, dolly, crash zoom), stiluri de mișcare, personaje, efecte și LoRA-urile lightning / distilare care reduc randările de 30 de pași la 4 până la 8 pași cu puțină pierdere. Pagina familiei Wan le clasifică după popularitate; LoRA-urile lightning sunt aproape mereu în top.
Opțiunile găzduite sunt potrivite pentru video pentru că randările sunt lungi și consumă mult VRAM: PirateDiffusion rulează fluxurile Wan din Telegram cu /wf /run, iar BitVector păstrează grafurile Wan preinstalate cu LoRA-urile la locul lor. Ambele sunt legate în caseta Run de pe fiecare pagină de model Wan.
Referință
Nume | Tip | Ce este | |
|---|---|---|---|
Wan2.2-TI2V-5B | model | Un model pentru text- și imagine-la-video, 720p la 24 fps, maxim 121 cadre. fp16 10 GB, fp8 5 GB. Plăci de 8 până la 12 GB. | |
Wan2.2-T2V-A14B / I2V-A14B | model pair | ||
umt5-xxl text encoder | file | ||
| Wan 2.1 / 2.2 VAE | file | Modelul 5B folosește VAE 2.2; modelele 14B folosesc VAE 2.1. Amestecarea lor dă rezultate proaste. | |
Resolution | setting | 480x832 sau 832x480 pentru teste rapide; 720x1280 / 1280x720 pentru finale. Multipli de 16. | |
Frames | setting | 4n+1: 33, 49, 65, 81. 81 cadre la 16 fps înseamnă cinci secunde. | |
Steps / shift / CFG | setting | ||
Lightning / distill LoRA | LoRA-uri separate pentru experții cu zgomot ridicat și scăzut; încarcă fiecare pe modelul lui. Greutate 1.0. | ||
Prompt | text |
Pas cu pas
- Instalează loader-ele: nucleul ComfyUI suportă Wan 2.2; adaugă ComfyUI-GGUF pentru fișiere cuantificate. Actualizează mai întâi ComfyUI.
- Încarcă șablonul oficial (Workflow > Browse Templates > Video > Wan 2.2) și înlocuiește loader-ele cu fișierele tale. Pentru GGUF schimbă Load Diffusion Model cu Unet Loader (GGUF).
- Pentru 14B: două noduri KSampler Advanced. Primul rulează modelul cu zgomot ridicat pentru pașii 0 până la N/2 (returnează cu zgomot rămas), al doilea rulează modelul cu zgomot scăzut de la N/2 la N. Șablonul le leagă deja.
- Prima randare: 480x832, 33 cadre, 20 pași, CFG 4, shift 8, prompt „un corgi aleargă pe o plajă la apus, camera îl urmărește, lumină aurie, adâncime de câmp mică”. Așteaptă 2 până la 6 minute.
- Adaugă LoRA-urile lightning de pe pagina familiei Wan (câte una pentru fiecare expert), setează pașii la 6 (3 + 3), CFG 1. Randările scad sub un minut la 480p.
- Imagine-la-video: încarcă perechea I2V, dă poza în WanImageToVideo, păstrează promptul despre mișcare și cameră, nu descrie poza.
- Prea lent sau prea mare: rulează același flux pe BitVector, sau pe PirateDiffusion cu /workflow /show:wan ca să vezi câmpurile și /wf /run:wan cu promptul tău.
Exemple
Prompt text-la-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 imagine-la-video (doar mișcare)
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
Sfaturi
- Descrie mișcarea cu verbe și camera cu termeni de film (dolly lent înainte, mână liberă, cadru larg static). Wan înțelege foarte bine limbajul camerei.
- Păstrează promptul negativ: cel oficial listează supraexpunere, static, detalii neclare, subtitrări, calitate proastă, degete în plus și ajută mult.
- Numărul de cadre costă mai mult decât rezoluția: 81 cadre la 480p e mai ieftin decât 49 cadre la 720p.
- LoRA-urile de mișcare pentru Wan sunt etichetate după expertul țintă; o LoRA doar pentru zgomot scăzut adaugă detalii, o LoRA pentru zgomot ridicat schimbă mișcarea.
- Seed-ul contează mult la video; păstrează seed-ul fix cât ajustezi promptul, apoi schimbă-l pentru mai multe variante.
- Salvează fluxul cu setul tău de LoRA-uri ca șablon; grafurile Wan sunt lungi și ușor de stricat.
Depanare
Memorie insuficientă la primul sampler
De ce se întâmplă
Greutăți fp16 14B pe o placă de 24 GB sau mai mică.
Cum se repară
Folosește perechea fp8 sau GGUF Q4, mai puține cadre, 480p, --lowvram; sau modelul 5B.
Video neclar sau cu zgomot de culoare
De ce se întâmplă
VAE greșit (2.2 VAE cu 14B sau 2.1 VAE cu 5B), sau LoRA lightning fără CFG 1.
Cum se repară
Potrivește VAE cu modelul; cu LoRA-urile lightning setează CFG 1 și 4 până la 8 pași.
Aproape fără mișcare
De ce se întâmplă
Promptul descrie o scenă, nu o acțiune; sau prea puțini pași pe expertul cu zgomot ridicat.
Cum se repară
Adaugă verbe de mișcare și mișcări de cameră; dă expertului cu zgomot ridicat jumătate din pași.
Subiectul se schimbă pe parcurs
De ce se întâmplă
Prea multe cadre pentru rezoluție, sau două LoRA-uri conflictuale.
Cum se repară
Scurtează la 49 cadre, folosește o singură LoRA de mișcare o dată, crește pașii pe expertul cu zgomot scăzut.
Decodarea eșuează după ce samplingul a reușit
De ce se întâmplă
Decodarea VAE e vârful de consum de memorie pentru video.
Cum se repară
Decodare Wan VAE în plăci (opțiunea tiled pe nodul decode), sau mai puține cadre.
Avertismente că cheia LoRA nu e încărcată
De ce se întâmplă
O LoRA 2.1 pe 2.2, sau o LoRA 14B pe modelul 5B.
Cum se repară
Potrivește versiunea și mărimea; pagina modelului le numește pe ambele.
Întrebări
5B sau 14B?
5B pentru învățare și plăci de 8 până la 12 GB; 14B pentru calitate dacă ai 24 GB sau rulezi găzduit. Ambele folosesc aceleași prompturi.
Cât de lung e un clip?
Până la 81 cadre (5 s la 16 fps) pentru 14B și 121 cadre (5 s la 24 fps) pentru 5B per randare; clipurile mai lungi se fac din continuări cu ultimul cadru.
Wan face audio?
Wan 2.2 S2V animează un vorbitor din audio dar nu generează sunet; LTX-2 și MiniMax H3 generează audio cu video (ghidurile lor sunt pe acest site).
De unde vin LoRA-urile lightning?
Lansări de distilare de la Lightx2v și alții; pagina familiei Wan le listează cu scoruri de popularitate și expertul țintă.
Pot rula Wan fără GPU?
Da: PirateDiffusion din Telegram, BitVector în browser. Ambele păstrează fluxurile și LoRA-urile instalate.
Linkuri și surse
- 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
Modele din acest ghid
Scris de
Conduce această navă. Are opinii despre timpii de decodare VAE pe care nimeni nu le-a cerut. Crede că greutățile vor să fie libere și că orice model pe care nu îl poți descărca este un abonament cu pași suplimentari. Nu va răspunde la întrebări despre cele 400 GB de checkpoint-uri de pe NAS.
Toate ghidurile de Captain
Ghiduri conexe
CUDA out of memory: cât VRAM are nevoie fiecare model AI și cum să îl faci să încapă
18 Mai 2026
Erori ComfyUI și cum să le rezolvi: noduri roșii, modele lipsă, memorie CUDA insuficientă
12 Mai 2026
MiniMax H3 prompturi video: structura oficială
14 Sep 2026
Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: ce familie de modele să folosești în 2026
22 Mai 2026
Cele mai bune modele video AI open-source în 2026: ce poți descărca cu adevărat
14 Oct 2026
Mai multe ghiduri
Generarea video AI pentru începători: de la imagine la video, de la text la video și primul clip cu Wan, LTX-2 și H3
29 Apr 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
HunyuanVideo 1.5 vs Wan 2.2: care model video open să folosești în 2026
4 Oct 2026
Wan 2.2 5B vs 14B: care Wan să descarci pentru placa ta grafică
4 Oct 2026
Flux de lucru Wan 2.2 5B ComfyUI: text sau imagine 720p către video pe un singur card mid-range
9 Oct 2026