Ang prompt ay naglalarawan ng eksena, hindi aksyon; o kulang ang steps sa high-noise expert. Magdagdag ng mga pandiwang galaw at galaw ng camera; bigyan ang high-noise expert ng kalahati ng steps.

Wan 2.2 video: setup, settings at LoRAs para sa text-to-video at image-to-video

Q: Kulang sa memorya sa unang sampler

fp16 14B weights sa 24 GB o mas maliit na card. Gamitin ang fp8 o GGUF Q4 pair, bawasan ang frames, 480p, --lowvram; o gamitin ang 5B model.

Paksa: Mga video model

Ni Captain

Inilathala May 24, 2026

Pangkalahatang-ideya

Ang Wan 2.2 ay open video family ng Alibaba at ang pinaka-download na video model dito sa site. Meron itong 5B hybrid text-and-image-to-video model na ginawa para sa consumer cards (720p sa 8 hanggang 12 GB), at 14B text-to-video at image-to-video models na gumagamit ng dalawang eksperto: isang high-noise model na naglalatag ng galaw at komposisyon sa unang mga hakbang at isang low-noise model na nagdadagdag ng detalye sa huling mga hakbang. Ang pares na 14B ang gumagawa ng cinematic na resulta na pinapamahagi ng mga tao; ang 5B model ang para pag-aralan.

Maraming Wan LoRAs ang na-train ng komunidad: mga galaw ng camera (orbit, dolly, crash zoom), mga estilo ng galaw, mga karakter, mga epekto, at ang lightning / distillation LoRAs na nagpapababa ng 30-step na render sa 4 hanggang 8 hakbang na halos walang pagkawala. Niraranggo sila sa Wan family page ayon sa kasikatan; halos palaging nasa taas ang lightning LoRAs.

Magandang opsyon ang hosted para sa video dahil mahaba at kumakain ng VRAM ang mga render: pinapatakbo ng PirateDiffusion ang Wan workflows mula sa Telegram gamit ang /wf /run, at pinananatili ng BitVector ang Wan graphs na naka-preinstall kasama ang mga LoRAs. Nakalink ang pareho sa Run box ng bawat Wan model page.

Sanggunian

Pangalan	Uri	Ano ito
Wan2.2-TI2V-5B	model	Isang modelo para sa text- at image-to-video, 720p sa 24 fps, maximum na 121 frames. fp16 10 GB, fp8 5 GB. Para sa 8 hanggang 12 GB cards.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Mga high-noise at low-noise experts, 14B bawat isa (27B total, 14B active). 480p at 720p. fp8 mga 14 GB bawat isa; GGUF Q4 mga 8 GB bawat isa.
umt5-xxl text encoder	file	fp8 scaled (6 GB) o fp16 (11 GB). Ginagamit ng lahat ng Wan models.
Wan 2.1 / 2.2 VAE	file	Gumagamit ang 5B model ng 2.2 VAE; ang 14B models ay gumagamit ng 2.1 VAE. Kapag pinaghalo, nagiging basura ang output.
Resolution	setting	480x832 o 832x480 para sa mabilisang tests; 720x1280 / 1280x720 para sa final. Multiples ng 16.
Frames	setting	4n+1: 33, 49, 65, 81. Ang 81 frames sa 16 fps ay limang segundo.
Steps / shift / CFG	setting	20 hanggang 30 steps, shift 5 hanggang 8, CFG 3.5 hanggang 5 kung walang lightning. Kapag may lightning LoRAs: 4 hanggang 8 steps, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	Hiwalay na LoRAs para sa high-noise at low-noise experts; i-load ang bawat isa sa sariling modelo. Timbang 1.0.
Prompt	text	Paksa, aksyon, camera, ilaw, estilo, sa ganitong ayos. Ilarawan nang malinaw ang mga pandiwang galaw. Ginagamit ng Wan ang negative prompt (hindi tulad ng Flux).

Hakbang-hakbang

I-install ang mga loaders: sinusuportahan ng ComfyUI core ang Wan 2.2; idagdag ang ComfyUI-GGUF para sa mga quantised files. I-update muna ang ComfyUI.
I-download ayon sa iyong card: 5B fp8 kasama ang 2.2 VAE at umt5 fp8 para sa 8 hanggang 12 GB; ang 14B fp8 pair kasama ang 2.1 VAE para sa 24 GB; ang 14B GGUF Q4 pair para sa 12 hanggang 16 GB.
I-load ang official template (Workflow > Browse Templates > Video > Wan 2.2) at palitan ang loaders ng iyong mga file. Para sa GGUF, palitan ang Load Diffusion Model ng Unet Loader (GGUF).
Para sa 14B: dalawang KSampler Advanced nodes. Ang una ay nagpapatakbo ng high-noise model mula hakbang 0 hanggang N/2 (ibinabalik ang natitirang ingay), ang pangalawa ay nagpapatakbo ng low-noise model mula N/2 hanggang N. Nakawiring na ito sa template.
Unang render: 480x832, 33 frames, 20 steps, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Asahan ang 2 hanggang 6 na minuto.
Idagdag ang lightning LoRAs mula sa Wan family page (isa para sa bawat expert), itakda ang steps sa 6 (3 + 3), CFG 1. Bumaba ang oras ng render sa ilalim ng isang minuto sa 480p.
Image-to-video: i-load ang I2V pair, ipasok ang larawan sa WanImageToVideo, panatilihin ang prompt tungkol sa galaw at camera sa halip na ilarawan ang larawan.
Finals: 720p, 81 frames, i-interpolate sa 32 fps gamit ang RIFE o FILM, i-upscale gamit ang video upscaler mula sa Upscalers family kung kailangan.
Masyadong mabagal o malaki: patakbuhin ang parehong workflow sa BitVector, o sa PirateDiffusion gamit ang /workflow /show:wan para basahin ang mga field at /wf /run:wan ang iyong prompt.

Mga halimbawa

Prompt para sa text-to-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 para sa image-to-video (galaw lang)

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

Mga tip

Ilarawan ang galaw gamit ang mga pandiwa at ang camera gamit ang mga salita sa pelikula (slow dolly in, handheld, static wide shot). Napakagaling ng Wan sa pagsunod sa lengguwahe ng camera.
Panatilihin ang negative prompt: ang official ay naglalaman ng overexposure, static, malabong detalye, subtitles, worst quality, extra fingers, at nakakatulong ito.
Para sa I2V, gumawa ng unang frame gamit ang Flux, Qwen o Z-Image sa target na aspect ratio; ang matalim at maliwanag na still ay mas maganda kaysa sa kahit anong prompt.
Mas mahal ang bilang ng frame kaysa resolution: 81 frames sa 480p ay mas mura kaysa 49 frames sa 720p.
Ang Motion LoRAs para sa Wan ay tinataga ayon sa expert na tinatarget nila; ang low-noise-only LoRA ay nagdadagdag ng detalye, ang high-noise LoRA ay nagbabago ng galaw.
Mahalaga ang seed sa video; panatilihing pareho ang seed habang inaayos ang prompt, tapos palitan ito para sa iba't ibang take.
I-save ang workflow kasama ang iyong LoRA set bilang template; mahaba ang Wan graphs at madaling masira.

Itugma ang bersyon at laki; nakalista ito sa model page.

Mga tanong

5B o 14B?

5B para pag-aralan at para sa 8 hanggang 12 GB cards; 14B para sa kalidad kapag may 24 GB o kapag naka-host. Pareho ang prompts na ginagamit.

Gaano kahaba ang clip?

Hanggang 81 frames (5 s sa 16 fps) para sa 14B at 121 frames (5 s sa 24 fps) para sa 5B bawat render; ang mas mahahabang video ay pinagdugtong mula sa mga huling frame na pagpapatuloy.

Gumagawa ba ng audio ang Wan?

Ang Wan 2.2 S2V ay nag-a-animate ng speaker mula sa audio pero hindi gumagawa ng tunog; ang LTX-2 at MiniMax H3 ay gumagawa ng audio kasama ng video (nandito ang mga gabay nila sa site).

Saan nanggagaling ang lightning LoRAs?

Mga distillation release mula kay Lightx2v at iba pa; nakalista ang mga ito sa Wan family page kasama ang heat scores at ang expert na tinatarget ng bawat isa.

Pwede ba patakbuhin ang Wan nang walang GPU?

Oo: PirateDiffusion mula sa Telegram, BitVector sa browser. Pareho nilang pinananatili ang workflows at LoRAs na naka-install.

Mga link at pinagmulan

Mga model sa gabay na ito

Mga Wan model

Isinulat ni

Captain

Pinapatakbo ang barkong ito. May mga opinyon tungkol sa VAE decode times na walang nagtanong. Naniniwala na gustong maging malaya ang mga weights at na ang anumang model na hindi mo ma-download ay isang subscription na may dagdag na hakbang. Hindi sasagot sa mga tanong tungkol sa 400 GB ng checkpoints sa NAS.

Lahat ng gabay ni Captain

CUDA out of memory: gaano karaming VRAM ang kailangan ng bawat AI model at paano ito mapasya

May 18, 2026

Mga error sa ComfyUI at paano ayusin: pulang nodes, nawawalang mga modelo, CUDA out of memory

May 12, 2026

MiniMax H3 video prompts: ang opisyal na istruktura

Set 14, 2026

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: aling pamilya ng modelo ang gagamitin sa 2026

May 22, 2026

Pinakamahusay na open-source AI video models sa 2026: ano talaga ang pwede mong i-download

Okt 14, 2026

Higit pang gabay

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

Abr 29, 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

HunyuanVideo 1.5 vs Wan 2.2: alin ang open video model na gagamitin sa 2026

Okt 4, 2026

Wan 2.2 5B vs 14B: alin ang Wan na i-download para sa iyong graphics card

Okt 4, 2026

Wan 2.2 5B ComfyUI workflow: 720p text o larawan papuntang video gamit ang isang mid-range na card

Okt 9, 2026