Генерация видео на ИИ для начинающих: из изображения в видео, из текста в видео и первый клип с Wan, LTX-2 и H3

Q: Камера дергается или сцена режется

Две инструкции для камеры или слова «cut to» в промпте. Одна камера; добавь «jump cut» в негатив.

Q: Недостаточно памяти на 720p

Количество кадров умноженное на разрешение превышает VRAM. Понизь до 480p или меньше кадров, отключи текстовый энкодер; смотри гайд VRAM для AI видео.

Тема: Видеомодели

Автор: Lookout

Опубликовано 29 апр 2026

Обзор

Видео-модели — это модели изображений с временной осью: один и тот же цикл денойзинга работает сразу на блоке кадров, так что все, что ты знаешь про промпты, сиды и денойз, переносится сюда, как и затраты, умноженные на количество кадров. Практические выводы для новичка три. Начинай с image-to-video (I2V), потому что хороший статичный кадр из модели изображения задает композицию и стиль, а видео-модель отвечает только за движение. Держи клипы короткими (около пяти секунд), потому что именно на таких моделях обучались. И рассчитывай запускать большие модели в облаке, если у тебя нет видеокарты на 24 ГБ.

Три открытых семейства покрывают большинство задач в 2026 году. Wan 2.2 (Alibaba) — универсальная модель: 5B модель, которая работает на 12-16 ГБ, и 14B двухэкспертная модель с лучшим открытым качеством, плюс огромная экосистема LoRA для движения и стиля. LTX-2 (Lightricks) — быстрая и генерирует синхронизированный звук, но требует 24-32 ГБ. MiniMax H3 — аудио-видео модель с диалогами и звуковыми эффектами, в основном используется через хостинг; подробные гайды по H3 от Mark White есть на этом сайте. Hunyuan Video 1.5 — более легкая альтернатива Wan 14B.

Каталог перечисляет каждую видео-модель и её LoRA с базовой моделью и размером (5B или 14B, эксперт с высоким или низким уровнем шума), а на страницах моделей есть примеры клипов с их промптами. Кнопка Run запускает модель на PirateDiffusion, где команда workflow создаёт клип из ответа на твоё изображение, или на BitVector.

Справочник

Имя	Тип	Что это
I2V (image to video)	mode	Анимировать статичное изображение. Лучший режим для начала: композиция уже правильная, промпт описывает только движение.
T2V (text to video)	mode	Только по промпту. Больше разнообразия, меньше контроля; используй для идей и фона.
FLF2V / first-last frame	mode	Два ключевых кадра; модель заполняет движение между ними. Контролируемые переходы.
Frames and fps	setting	Wan: 81 кадр при 16 fps (5 с); LTX-2: 97-121 кадр при 24-25 fps; H3: 145 кадров при ~24 fps. Память растет с количеством кадров.
Resolution	setting	Wan 2.2: 832x480 или 480x832 (быстро), 1280x720 (24 ГБ+); LTX-2 до 1080p+ с 32 ГБ. Портрет для людей, ландшафт для сцен.
Motion prompt	prompt	Движение одного объекта и движение камеры: «она поворачивается к окну и улыбается; медленное приближение». Не перечисляй детали сцены, которые уже есть на изображении.
Steps / CFG / shift	setting	Wan 2.2 14B: 20 шагов, разделенных 10/10 между экспертами, CFG 3.5, shift 5; 5B: 20-30 шагов, CFG 5; LTX-2: 25-30 шагов по своему расписанию; дистиллированные LoRA (lightx2v) сокращают Wan до 4-8 шагов при CFG 1.
Motion LoRAs	file	Движения камеры, танцы, жесты, физика; подбираются под 5B/14B и под эксперта. На страницах моделей указаны цели.
Interpolation and upscale	post	RIFE или FILM до 32-60 fps; ESRGAN или SeedVR для повышения разрешения по кадрам.

Пошагово

Создай или выбери статичное изображение: рендер 1024x1024 или 832x1216 с четким объектом и простым фоном. Лица размером больше десятой части кадра анимируются лучше всего.
Открой страницу Wan 2.2 I2V модели на этом сайте, скопируй пример шаблона промпта для движения и нажми кнопку Run (PirateDiffusion: ответь на изображение командой /workflow; BitVector: загрузи и выбери модель).
Напиши промпт движения из одного предложения для объекта и одного для камеры. Ничего про одежду, цвета или освещение; это уже есть на изображении.
Сгенерируй в 832x480 (ландшафт) или 480x832 (портрет), 81 кадр, шаги по умолчанию. Посмотри весь клип; оцени движение, а не резкость.
Работай только с промптом движения: медленные глаголы («медленно», «нежно») уменьшают резкие движения; одна команда для камеры предотвращает скачки.
Локально, с видеокартой 16 ГБ: Wan 2.2 5B fp8 или GGUF, 832x480, 49-81 кадр, текстовый энкодер на CPU. С 24 ГБ: 14B fp8 на 480p, 720p с отключенным энкодером. Смотри гайд VRAM для AI видео.
Длинные ролики: возьми последний кадр первого клипа как стартовое изображение второго с продолжающимся промптом движения; склей в редакторе; в конце интерполируй до 30 fps и увеличь разрешение.
Добавь звук: LTX-2 и H3 генерируют аудио вместе с клипом; для Wan добавляй музыку или эффекты в редакторе.

Примеры

Промпт движения для 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

Команда workflow для 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 на 16 ГБ

Советы

Глаголы движения важнее прилагательных: «поворачивается, идет, поднимает, наливает, машет» дают четкое и надежное движение; «красивый кинематографичный» ничего не даст.
Одна камера на клип: приближение, отдаление, панорамирование влево, орбита. Два движения дают дрожание.
Портретные статичные изображения лучше анимируют лица; ландшафтные — окружение.
Wan LoRA для эксперта с высоким шумом формируют движение; для эксперта с низким шумом — детали. Многие наборы содержат оба; загружай каждый на своего эксперта.
Дистиллированные LoRA (lightx2v, FastWan) сокращают Wan с 20 шагов до 4-6 при CFG 1 с минимальной потерей качества; они перечислены на страницах моделей.
Ожидай 3-10 минут на клип на 4090 для Wan 14B и около 90 секунд для LTX-2; облако возвращает большинство клипов за минуту или две.

Проверь страницу модели для 5B/14B и высокий/низкий шум; загружай с нужным триггером.

Вопросы

С какой видео-модели начать?

Wan 2.2 I2V: простая, хорошо документированная, с самым большим количеством LoRA. Гайд по старту с Wan содержит полную настройку.

Можно ли работать на видеокарте 8 ГБ?

Короткие клипы 480p с Wan 2.1 1.3B или Wan 2.2 5B GGUF, но медленно. Реально — лучше начать в облаке.

Как получить звук?

LTX-2 и MiniMax H3 генерируют синхронизированный звук; гайды Mark White по H3 объясняют промпты для диалогов и эффектов.

Какой максимальной длины может быть клип?

Около пяти секунд нативно. Более длинные — это цепочки клипов; качество падает после 6-8 секунд за один проход.

Доступны ли новые коммерческие модели (Veo, Kling, Wan 3.0) локально?

Нет, они только через API. Всё в этом гайде — открытые веса, работают локально или в облаке.

Ссылки и источники

Модели в этом руководстве

Автор

Сидит в смотровой вышке, обновляя Hugging Face, чтобы вам не пришлось. Сообщает о новой модели в момент её выхода и снова, когда её тихо перезаливают с исправленной конфигурацией. Никогда не был достаточно рано. Доверяет лицензионному файлу больше, чем видео запуска.

Все руководства от Lookout

Wan 2.2 видео: настройка text-to-video и image-to-video, параметры и LoRA

24 май 2026

Сколько VRAM нужно для AI-видео? Wan 2.2, HunyuanVideo 1.5 и LTX-2 по размеру GPU (2026)

6 окт 2026

МиниМакс H3: текст в видео, изображение в видео, видео и аудио в качестве референса

20 сен 2026

МиниМакс H3 видео-промпты: официальная структура

14 сен 2026

LTX 2.3 Crisp Enhance: более четкие, кинематографичные детали видео

3 окт 2026

Руководство по GPU и VRAM для AI изображений и видео: что нужно каждому модели и что покупать (или не стоит)

7 янв 2026

HunyuanVideo текст в видео ComfyUI рабочий процесс: модель 13B, которая запустила локальное видео

9 окт 2026

Лучшие открытые AI-видео модели в 2026 году: что реально можно скачать

14 окт 2026

Другие руководства

Как установить Wan2GP: ИИ видео и изображения на видеокартах с малым объемом VRAM

8 окт 2026

Фиксированная плата против токенов: почему безлимитные планы, такие как Graydient.ai, — лучший выбор для создателей ИИ в 2026 году

8 окт 2026

Требования к VRAM для всех популярных моделей ИИ для изображений и видео (2026): полная точность, FP8 и GGUF

6 окт 2026

HunyuanVideo 1.5 против Wan 2.2: какую открытую видеомодель запускать в 2026 году

4 окт 2026

Как запускать AI-модели в облаке (руководство для новичков 2026): Flux, Wan и SDXL без GPU