Model
Trends
.ai
Model
Trends
.ai
sinusubaybayan ang mga open AI model
Trending
Mga ranking
Mga gabay
Mga Tsart
API

AI video generation para sa mga baguhan: mula larawan sa video, mula teksto sa video at ang unang clip gamit ang Wan, LTX-2 at H3

Paksa: Mga video model
Ni Lookout
Inilathala Abr 29, 2026

Pangkalahatang-ideya

Ang mga video model ay mga image model na may time axis: ang parehong denoising loop ay tumatakbo sa isang block ng frames nang sabay, kaya lahat ng alam mo tungkol sa prompts, seeds at denoise ay pwede din dito, pati na rin ang gastos, na pinarami ng bilang ng frames. Tatlong praktikal na epekto ito para sa baguhan. Magsimula sa image-to-video (I2V), dahil ang magandang still mula sa image model ay naayos na ang komposisyon at estilo at ang video model na lang ang gagawa ng motion. Panatilihing maikli ang mga clip (mga limang segundo lang), dahil iyon ang pinag-aralan ng mga modelo. At asahan na patakbuhin ang malalaking modelo sa cloud kung wala kang 24 GB na card.
Tatlong open na pamilya ang sumasakop sa karamihan ng pangangailangan sa 2026. Ang Wan 2.2 (Alibaba) ay all-rounder: isang 5B na modelo na tumatakbo sa 12-16 GB at isang 14B two-expert model na may pinakamagandang open quality, plus malaking LoRA ecosystem para sa motion at estilo. Ang LTX-2 (Lightricks) ay mabilis at gumagawa ng synced audio pero kailangan ng 24-32 GB. Ang MiniMax H3 ay audio-video model na may dialogue at sound effects, kadalasang ginagamit sa hosted workflows; ang H3 prompting guides dito sa site ni Mark White ay malalim ang paliwanag. Ang Hunyuan Video 1.5 ay mas magaan na alternatibo sa Wan 14B.
Nakalista sa katalogo ang bawat video model at ang mga LoRA nito kasama ang base at size na tinatarget nila (5B o 14B, high-noise o low-noise expert), at sa mga model page makikita ang mga example clips kasama ang kanilang mga prompt. Ang Run button ay nagbubukas ng modelo sa PirateDiffusion, kung saan ang workflow command ay gumagawa ng clip mula sa reply sa iyong larawan, o sa BitVector.

Sanggunian

Pangalan
Uri
Ano ito
I2V (image to video)
mode
Gumawa ng animation mula sa still. Pinakamagandang unang mode: ayos na ang komposisyon; ang prompt ay para lang sa motion.
T2V (text to video)
mode
Mula sa prompt lang. Mas maraming variety, mas konti ang kontrol; gamitin para sa mga ideya at B-roll.
FLF2V / first-last frame
mode
Dalawang keyframe; pinupuno ng modelo ang motion sa pagitan. Kontroladong transitions.
Frames and fps
setting
Wan: 81 frames sa 16 fps (5 s); LTX-2: 97-121 frames sa 24-25 fps; H3: 145 frames sa ~24 fps. Lumalaki ang memory depende sa frames.
Resolution
setting
Wan 2.2: 832x480 o 480x832 (mabilis), 1280x720 (24 GB pataas); LTX-2 hanggang 1080p+ gamit ang 32 GB. Portrait para sa tao, landscape para sa mga tanawin.
Motion prompt
prompt
Isang subject motion plus isang camera motion: "she turns toward the window and smiles; slow push-in". Iwasang ilista ang mga detalye ng eksena na nasa larawan na.
Steps / CFG / shift
setting
Wan 2.2 14B: 20 steps na hati 10/10 sa experts, CFG 3.5, shift 5; 5B: 20-30 steps, CFG 5; LTX-2: 25-30 steps na may sariling schedule; distilled LoRAs (lightx2v) nagpapababa ng Wan sa 4-8 steps sa CFG 1.
Motion LoRAs
file
Mga galaw ng camera, sayaw, gestures, physics; naka-match sa 5B/14B at sa expert. Nakalista sa mga pahina dito ang target.
Interpolation and upscale
post
RIFE o FILM hanggang 32-60 fps; frame-wise ESRGAN o SeedVR para sa resolusyon.

Hakbang-hakbang

  1. Gumawa o pumili ng still: isang 1024x1024 o 832x1216 na render na may malinaw na subject at simpleng background. Mas maganda kung ang mukha ay mas malaki sa isang sampu ng frame.
  2. Buksan ang Wan 2.2 I2V model page dito sa site, kopyahin ang example motion prompt pattern, at pindutin ang Run button (PirateDiffusion: reply sa iyong larawan gamit ang /workflow command; BitVector: i-upload at piliin ang modelo).
  3. Sumulat ng motion prompt na isang pangungusap para sa subject at isa para sa camera. Walang tungkol sa damit, kulay o ilaw; nasa larawan na iyon.
  4. Gumawa ng video sa 832x480 (landscape) o 480x832 (portrait), 81 frames, default steps. Panoorin ang buong clip; husgahan ang motion, hindi ang linaw.
  5. Ulitin lang ang motion prompt: mas mabagal na verbs ("slowly", "gently") ay nagpapabawas ng kalat-kalat na galaw; isang camera instruction lang para maiwasan ang biglaang paglukso.
  6. Sa lokal, gamit ang 16 GB card: Wan 2.2 5B fp8 o GGUF, 832x480, 49-81 frames, text encoder sa CPU. Sa 24 GB: 14B fp8 sa 480p, 720p na naka-offload ang encoder. Tingnan ang VRAM for AI video guide.
  7. Mas mahahabang video: kunin ang huling frame ng unang clip bilang start image ng pangalawang clip na may tuloy-tuloy na motion prompt; pagsamahin sa editor; i-interpolate sa 30 fps at i-upscale sa dulo.
  8. Magdagdag ng tunog: LTX-2 at H3 ay gumagawa ng audio kasama ng clip; para sa Wan, magdagdag ng musika o effects sa editor.

Mga halimbawa

Motion prompt para sa 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

PirateDiffusion workflow command

/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 sa 16 GB

UnetLoaderGGUF wan2.2_ti2v_5B_Q8_0 | CLIPLoader umt5_xxl_fp8 (cpu) | Wan VAE 2.2 | WanImageToVideo 832x480, 81 frames | KSampler 24 steps, cfg 5, uni_pc, simple | VAE Decode (Tiled)

Mga tip

  • Mas mahalaga ang motion verbs kaysa adjectives: "turns, walks, lifts, pours, waves" bawat isa ay gumagawa ng malinaw at maaasahang galaw; "beautiful cinematic" ay walang epekto.
  • Isang galaw ng camera lang bawat clip: push-in, pull-back, pan left, orbit. Dalawang galaw ay nagdudulot ng pag-alog.
  • Mas maganda ang portrait stills para sa animation ng mukha; mas maganda ang landscape stills para sa animation ng kapaligiran.
  • Ang Wan LoRAs para sa high-noise expert ang humuhubog sa motion; ang low-noise ay para sa detalye. Maraming packs ang may pareho; i-load ang bawat isa sa tamang expert.
  • Ang distilled LoRAs (lightx2v, FastWan) ay nagpapababa ng Wan mula 20 steps sa 4-6 sa CFG 1 na halos walang quality loss; nakalista ito sa mga model page.
  • Asahan ang 3-10 minuto bawat clip sa 4090 para sa Wan 14B at mga 90 segundo para sa LTX-2; sa cloud, karamihan ng clip ay bumabalik sa loob ng isang o dalawang minuto.

Pag-aayos ng problema

Ang clip ay parang still na may bahagyang kumikislap

Bakit ito nangyayari
Walang motion verb sa prompt, o masyadong mataas ang static LoRA weight.

Paano ayusin
Magdagdag ng subject motion at camera motion; babaan ang LoRAs sa 0.7.

Natutunaw o nagbabago ang mukha

Bakit ito nangyayari
Masyadong maliit ang mukha, masyadong maraming frames, o 480p sa detalyadong mukha.

Paano ayusin
I-crop nang mas malapit, 49-61 frames lang, o 720p sa cloud; ang face-detailer pass per frame ay panghuli na opsyon.

Biglaang paglukso ng camera o pagputol ng eksena

Bakit ito nangyayari
Dalawang camera instructions, o may "cut to" na salita sa prompt.

Paano ayusin
Isang camera move lang; ilagay ang "jump cut" sa negative.

Kulang ang memory sa 720p

Bakit ito nangyayari
Frames times resolution ay lumampas sa VRAM.

Paano ayusin
Bumaba sa 480p o mas kaunting frames, i-offload ang text encoder; tingnan ang VRAM for AI video guide.

Walang epekto ang Motion LoRA

Bakit ito nangyayari
Naka-load sa maling expert o maling model size.

Paano ayusin
Suriin ang model page para sa 5B/14B at high/low noise; i-load ayon sa trigger word.

Mga tanong

Alin ang unang video model?

Wan 2.2 I2V: madaling gamitin, maraming dokumentasyon, pinakamaraming LoRA. Nasa Wan getting-started guide ang buong setup.

Pwede ba ito sa 8 GB card?

Maikling 480p clips gamit ang Wan 2.1 1.3B o Wan 2.2 5B GGUF, mabagal. Mas praktikal magsimula sa cloud.

Paano ako makakakuha ng tunog?

LTX-2 at MiniMax H3 ay gumagawa ng synced audio; ang H3 prompting guides ni Mark White ay nagpapaliwanag ng dialogue at effects prompts.

Gaano kahaba ang clip?

Mga limang segundo lang native. Mas mahahabang video ay pinagdugtong-dugtong na clips; bumababa ang kalidad kapag lampas anim hanggang walong segundo sa isang pass.

Available ba locally ang pinakabagong commercial models (Veo, Kling, Wan 3.0)?

Hindi; API-only sila. Lahat ng nasa gabay na ito ay open-weight at tumatakbo locally o sa cloud partners.

Mga model sa gabay na ito

Mga Wan model
Mga Ltx2 model
Mga MiniMax H3 model
Mga Hunyuan model
Isinulat ni
Lookout
Naupo sa crow's nest na nagre-refresh ng Hugging Face para hindi mo na kailangang gawin. Nag-uulat ng bagong model kapag lumabas ito at muli kapag tahimik na na-upload ulit na may naayos na config. Hindi pa kailanman nakarating nang maaga. Mas nagtitiwala sa license file kaysa sa launch video.
Lahat ng gabay ni Lookout
Wan 2.2 video: setup, settings at LoRAs para sa text-to-video at image-to-video
May 24, 2026
Gaano karaming VRAM ang kailangan mo para sa AI video? Wan 2.2, HunyuanVideo 1.5 at LTX-2 ayon sa laki ng GPU (2026)
Okt 6, 2026
Pag-prompt sa MiniMax H3: teksto sa video, imahe sa video, reference na video at audio
Set 20, 2026
MiniMax H3 video prompts: ang opisyal na istruktura
Set 14, 2026
LTX 2.3 Crisp Enhance: mas matalim, mas cinematic na detalye ng video
Okt 3, 2026
Gabayan sa GPU at VRAM para sa AI na larawan at video: ano ang kailangan ng bawat modelo at ano ang bibilhin (o hindi)
Ene 7, 2026
HunyuanVideo text to video ComfyUI workflow: ang 13B na modelong nagpasimula ng lokal na video
Okt 9, 2026
Pinakamahusay na open-source AI video models sa 2026: ano talaga ang pwede mong i-download
Okt 14, 2026

Higit pang gabay

Paano i-install ang Wan2GP: AI video at mga larawan sa low-VRAM GPUs
Okt 8, 2026
AD
Flat fee vs tokens: bakit ang unlimited plans tulad ng Graydient.ai ang pinakamurang halaga para sa mga AI creator sa 2026
Okt 8, 2026
Mga kinakailangan sa VRAM para sa bawat sikat na AI image at video model (2026): full precision, FP8 at GGUF
Okt 6, 2026
HunyuanVideo 1.5 vs Wan 2.2: alin ang open video model na gagamitin sa 2026
Okt 4, 2026
Paano magpatakbo ng AI models sa cloud (2026 beginner guide): Flux, Wan at SDXL nang walang GPU
Okt 14, 2026
Lahat ng gabay