El prompt describe una escena, no una acción; o pocos pasos en el experto de alto ruido. Añade verbos de movimiento y movimientos de cámara; da la mitad de pasos al experto de alto ruido.

Wan 2.2 video: configuración, ajustes y LoRAs para texto a video y imagen a video

Q: Falta de memoria en el primer sampler

Pesos fp16 14B en una tarjeta de 24 GB o menos. Par fp8 o GGUF Q4, menos cuadros, 480p, --lowvram; o el modelo 5B.

Tema: Modelos de vídeo

Por Captain

Publicado el 24 de may de 2026

Resumen

Wan 2.2 es la familia de video abierta de Alibaba y el modelo de video más descargado en este sitio. Viene como un modelo híbrido de texto e imagen a video de 5B diseñado para tarjetas de consumidor (720p en 8 a 12 GB), y como modelos de texto a video e imagen a video de 14B que usan dos expertos: un modelo de alto ruido que define el movimiento y la composición en los primeros pasos y un modelo de bajo ruido que añade detalle en los últimos pasos. El par de 14B produce los resultados cinematográficos que la gente comparte; el modelo de 5B es el ideal para aprender.

La comunidad ha entrenado cientos de LoRAs para Wan: movimientos de cámara (órbita, dolly, zoom rápido), estilos de movimiento, personajes, efectos y los LoRAs lightning / de destilación que reducen renders de 30 pasos a 4 a 8 pasos con poca pérdida. La página de la familia Wan los ordena por popularidad; los LoRAs lightning casi siempre están arriba.

Las opciones en hosting son ideales para video porque los renders son largos y consumen mucha VRAM: PirateDiffusion ejecuta flujos de trabajo Wan desde Telegram con /wf /run, y BitVector mantiene los gráficos Wan preinstalados con los LoRAs listos. Ambos están enlazados en el recuadro de ejecución de cada página de modelo Wan.

Referencia

Nombre	Tipo	Qué es
Wan2.2-TI2V-5B	model	Un modelo para texto e imagen a video, 720p a 24 fps, máximo 121 cuadros. fp16 10 GB, fp8 5 GB. Tarjetas de 8 a 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Expertos de alto ruido y bajo ruido, 14B cada uno (27B total, 14B activos). 480p y 720p. fp8 unos 14 GB cada uno; GGUF Q4 unos 8 GB cada uno.
umt5-xxl text encoder	file	fp8 escalado (6 GB) o fp16 (11 GB). Compartido por todos los modelos Wan.
Wan 2.1 / 2.2 VAE	file	El modelo 5B usa el VAE 2.2; los modelos 14B usan el VAE 2.1. Mezclarlos da basura.
Resolution	setting	480x832 o 832x480 para pruebas rápidas; 720x1280 / 1280x720 para finales. Múltiplos de 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 cuadros a 16 fps son cinco segundos.
Steps / shift / CFG	setting	20 a 30 pasos, shift 5 a 8, CFG 3.5 a 5 sin lightning. Con LoRAs lightning: 4 a 8 pasos, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRAs separados para los expertos de alto ruido y bajo ruido; cargar cada uno en su modelo. Peso 1.0.
Prompt	text	Sujeto, acción, cámara, iluminación, estilo, en ese orden. Describe los verbos de movimiento explícitamente. Wan usa prompt negativo (a diferencia de Flux).

Paso a paso

Instala los cargadores: ComfyUI core soporta Wan 2.2; añade ComfyUI-GGUF para archivos cuantizados. Actualiza ComfyUI primero.
Descarga según tu tarjeta: 5B fp8 más el VAE 2.2 y umt5 fp8 en 8 a 12 GB; el par 14B fp8 más el VAE 2.1 en 24 GB; el par 14B GGUF Q4 en 12 a 16 GB.
Carga la plantilla oficial (Workflow > Browse Templates > Video > Wan 2.2) y reemplaza los cargadores con tus archivos. Para GGUF cambia Load Diffusion Model por Unet Loader (GGUF).
Para 14B: dos nodos KSampler Advanced. El primero ejecuta el modelo de alto ruido de pasos 0 a N/2 (devuelve con ruido sobrante), el segundo ejecuta el modelo de bajo ruido de N/2 a N. La plantilla ya conecta esto.
Primer render: 480x832, 33 cuadros, 20 pasos, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Espera de 2 a 6 minutos.
Añade los LoRAs lightning desde la página de la familia Wan (uno para cada experto), pon pasos a 6 (3 + 3), CFG 1. Los renders bajan a menos de un minuto a 480p.
Imagen a video: carga el par I2V, alimenta la imagen en WanImageToVideo, mantén el prompt sobre movimiento y cámara en vez de describir la imagen.
Finales: 720p, 81 cuadros, interpola a 32 fps con RIFE o FILM, mejora con un escalador de video de la familia Upscalers si hace falta.
Muy lento o muy grande: ejecuta el mismo flujo en BitVector, o en PirateDiffusion con /workflow /show:wan para ver los campos y /wf /run:wan tu prompt.

Ejemplos

Prompt de texto a 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 de imagen a video (solo movimiento)

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

Consejos

Describe el movimiento con verbos y la cámara con términos de cine (dolly lento hacia adentro, cámara en mano, plano amplio estático). Wan sigue el lenguaje de cámara muy bien.
Mantén el prompt negativo: el oficial lista sobreexposición, estático, detalles borrosos, subtítulos, peor calidad, dedos extra, y ayuda bastante.
Para I2V, genera el primer cuadro con Flux, Qwen o Z-Image en la relación de aspecto objetivo; una imagen fija nítida y bien iluminada produce un clip mejor que cualquier prompt.
La cantidad de cuadros cuesta más que la resolución: 81 cuadros a 480p es más barato que 49 cuadros a 720p.
Los LoRAs de movimiento para Wan están etiquetados según el experto al que apuntan; un LoRA solo de bajo ruido añade detalle, un LoRA de alto ruido cambia el movimiento.
La semilla importa mucho en video; mantenla fija mientras ajustas el prompt, luego cámbiala para diferentes tomas.
Guarda el flujo de trabajo con tu conjunto de LoRAs como plantilla; los gráficos Wan son largos y fáciles de romper.

Coincide versión y tamaño; la página del modelo los nombra.

Preguntas

¿5B o 14B?

5B para aprender y para tarjetas de 8 a 12 GB; 14B para calidad si tienes 24 GB o usas hosting. Ambos usan los mismos prompts.

¿Cuánto dura un clip?

Hasta 81 cuadros (5 s a 16 fps) para 14B y 121 cuadros (5 s a 24 fps) para 5B por render; videos más largos se unen con continuaciones del último cuadro.

¿Wan genera audio?

Wan 2.2 S2V anima un hablante desde audio pero no genera sonido; LTX-2 y MiniMax H3 generan audio con el video (sus guías están en este sitio).

¿De dónde salen los LoRAs lightning?

Lanzamientos de destilación por Lightx2v y otros; la página de la familia Wan los lista con puntuaciones de popularidad y el experto al que apuntan.

¿Puedo usar Wan sin GPU?

Sí: PirateDiffusion desde Telegram, BitVector en el navegador. Ambos mantienen los flujos y LoRAs instalados.

Enlaces y fuentes

Modelos de esta guía

Modelos Wan

Escrito por

Captain

Dirige este barco. Tiene opiniones sobre los tiempos de decodificación VAE que nadie pidió. Cree que los pesos quieren ser libres y que cualquier modelo que no puedas descargar es una suscripción con pasos extra. No responderá preguntas sobre los 400 GB de checkpoints en el NAS.

Todas las guías de Captain

CUDA sin memoria: cuánto VRAM necesita cada modelo de IA y cómo ajustarlo

18 de may de 2026

Errores de ComfyUI y cómo solucionarlos: nodos rojos, modelos faltantes, falta de memoria CUDA

12 de may de 2026

Prompts de video MiniMax H3: la estructura oficial

14 de sep de 2026

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: qué familia de modelos usar en 2026

22 de may de 2026

Los mejores modelos de video IA de código abierto en 2026: lo que realmente puedes descargar

14 de oct de 2026

Más guías

Generación de video con IA para principiantes: de imagen a video, de texto a video y el primer clip con Wan, LTX-2 y H3

29 de abr de 2026

¿Cuánta VRAM necesitas para video AI? Wan 2.2, HunyuanVideo 1.5 y LTX-2 según tamaño de GPU (2026)

6 de oct de 2026

HunyuanVideo 1.5 vs Wan 2.2: qué modelo de video abierto usar en 2026

4 de oct de 2026

Wan 2.2 5B vs 14B: qué Wan descargar según tu tarjeta gráfica

4 de oct de 2026

Flujo de trabajo Wan 2.2 5B ComfyUI: texto o imagen 720p a video en una tarjeta de gama media

9 de oct de 2026