AI 影片需要多少 VRAM？Wan 2.2、HunyuanVideo 1.5 和 LTX-2 按 GPU 容量（2026）

Q: 24 GB 上 720p 影片中途 CUDA 記憶體不足

文字編碼器還在 VRAM，和活躍的 14B 專家同時存在。 把 UMT5 編碼器載到 CPU，或降到 480p；完整檢查清單見 CUDA 記憶體不足指南。

Q: 記憶體足夠但花 40 分鐘

大量卸載到系統 RAM，或在能跑 FP8 的卡上用 GGUF Q4。 縮短影片、降解析度，或用最大可常駐的精度；任務管理員看「共用 GPU 記憶體」保持接近零。

Q: HunyuanVideo 指南說要 60-80 GB

描述的是原版 13B HunyuanVideo，不是 1.5 版（8.3B）。 用 1.5 版：卸載約 14 GB，24 GB 用得舒適。

Q: LTX-2 16 GB 無法載入

只有蒸餾的 FP8 預覽流程能跑；完整模型需 24 GB（FP4）或 32 GB（FP8）。 用蒸餾預覽做草稿，正式渲染用更大卡或雲端。

主題：影片模型

作者：P.I. Panda

發佈於 2026年10月6日

概述

簡短回答：8 GB 足夠用 Wan 2.1 1.3B 或量化版 Wan 2.2 5B 做短小低解析度影片。24 GB 是用現有最佳開放模型做 720p 影片的真正起點。32 GB 可在 720p 下直接跑 Wan 2.2 14B 和 LTX-2，不用特別技巧。最大模型的全精度版本仍需 48 到 80 GB，這就得用資料中心卡或雲端了。

影片比圖片需要更多記憶體，因為一張 1024x1024 的圖片約有一百萬像素，而一段 5 秒、24 幀每秒的影片有 120 幀：模型同時處理的資料量是圖片的百倍以上，且必須保持每幀與鄰近幀一致，不能一幀一幀獨立生成。記憶體需求由三個因素乘積決定：模型大小和精度（全精度、FP8 或 GGUF）、解析度（720p 約是 480p 的 2.25 倍像素）和影片長度（大致成正比）。同一張卡，能跑 480p、3 秒的模型，可能在 720p、5 秒時就會爆記憶體。

本指南涵蓋你可以下載並自行執行的開放權重影片模型。數據來自官方模型卡和社群測試，實測於 2026 年 10 月 6 日；結果會因 ComfyUI 版本、工作流程和系統 RAM 可用量而異。圖片模型請參考同系列的 VRAM 需求指南，兩者每月更新。

參考

名稱	類型	含義
Wan 2.1 T2V 1.3B	8 GB: 480p, ~5 s clips \| 12 GB+: comfortable	8 GB 選項。實際使用約 8.19 GB，輸出 480p，RTX 4090 上每段 5 秒影片約 4 分鐘。畫質明顯不如大模型。Apache 2.0 授權。
Wan 2.2 TI2V 5B	8 GB: GGUF Q8 with offloading, slow \| 12-16 GB: quantised at 720p \| 24 GB: full precision (official minimum)	文字或圖片轉 720p、24 fps。阿里巴巴官方列 24 GB（RTX 4090）為全精度最低需求，5 秒 720p 影片生成時間不到 9 分鐘。Q8 GGUF 約 5.4 GB，ComfyUI 會把剩餘部分卸載到系統 RAM。Apache 2.0 授權。
Wan 2.2 A14B (T2V and I2V)	12-16 GB: GGUF Q4-Q5 with offloading, short clips \| 24 GB: FP8 at 480p, 720p with the text encoder offloaded \| 32 GB: FP8 at 720p \| 80 GB: full precision	最佳開放畫質。混合專家模型：總參數 27B，活躍 14B，一個專家負責早期噪聲步驟，一個負責細節；同時 VRAM 只載入一個專家。FP8 約 14.3 GB／專家，GGUF Q4-Q5 約 10-11 GB。官方 80 GB 需求是全精度且不卸載。Apache 2.0 授權。
HunyuanVideo 1.5	12-16 GB: ~14 GB minimum with offloading \| 24 GB: quantised at 720p \| 32 GB: comfortable \| 28-48 GB: full precision 720p	騰訊，2025 年 11 月，8.3B 參數，支援 480p 或 720p，內建升頻到 1080p；最佳畫質建議 80 GB。非原版 HunyuanVideo（13B），後者全精度需 60-80 GB；很多舊指南搞混了兩者。
LTX-2 (19B) / LTX-2.3 (22B)	16 GB: draft previews in FP8 (distilled pipeline) \| 24 GB: FP4, clips up to ~97 frames \| 32 GB: FP8 (official minimum) \| 48 GB+: BF16 (~43 GB file)	Lightricks，2026 年 1 月和 3 月權重。支援帶同步音訊的影片，最高 4K，速度快：RTX 4090 上 5 秒影片約 90 秒。代價是記憶體；Lightricks 也建議 100 GB+ 空閒磁碟空間。
System RAM	32 GB workable minimum \| 64 GB comfortable for 14B models on 12-24 GB cards	卸載會把部分模型放到一般 RAM，系統記憶體對影片比圖片更重要。
Disk	fast NVMe SSD	影片模型各自有數十 GB，從慢碟讀取會讓每次切換模型多花幾分鐘。
Wan 2.5-3.0, Kling, Veo, Runway, Seedance	API only	沒有可下載權重，沒法算 VRAM；你是按影片秒數付費。Wan 2.2 是截至 2026 年 10 月最新有權重的 Wan。

逐步操作

查你的 VRAM：Windows 任務管理員 > 效能 > GPU > 專用 GPU 記憶體；Linux 用 nvidia-smi。系統 RAM 也要看，卸載最低要 32 GB。
從表格選擇適合你卡的模型列：8 GB 是 Wan 2.1 1.3B 或 Wan 2.2 5B GGUF；12-16 GB 可用 Wan 2.2 14B GGUF 和 HunyuanVideo 1.5（有卸載）；24 GB 是常見影片卡（5B 全精度、14B FP8、LTX-2 FP4）；32 GB 可用 FP8 在 720p 下跑所有。
下載本網站模型頁面列出的精度版本（24-32 GB 用 FP8，12-16 GB 用 GGUF Q4-Q5），不要用 BF16 原版。
先從 480p、短片（49-81 幀）開始，調整動態和構圖，再升頻或重渲染成 720p。從 480p 到 720p 幀記憶體大約翻倍，所以 480p 用 14 GB 的流程，720p 可能要 24 GB 或更多。
Wan 2.2 14B 在 24 GB 上，將 T5/UMT5 文字編碼器移到系統 RAM（loader 設成 CPU 裝置，或 ComfyUI 自動卸載）。不這麼做，720p 影片中途會超過 24 GB。
超過 5-6 秒的影片分段生成並串接：上一段最後一幀當下一段起始圖。大多數開放模型調校約 5 秒，超過品質會下降。
如果還是不夠，先降幀再降解析度，使用分塊 VAE 解碼，並關閉瀏覽器和遊戲以減少 GPU 負擔。
若你常做 720p 的 Wan 2.2 14B 或 LTX-2，且 VRAM 不足 24 GB，建議用雲端：PirateDiffusion 在 Telegram 上用伺服器 GPU 跑 Wan、LTX 和 H3 模型；BitVector 則有網頁應用。

範例

Wan 2.2 14B 在 24 GB 上的圖片轉影片（ComfyUI）

UNETLoader x2: wan2.2_i2v_high_noise_14B_fp8_scaled, wan2.2_i2v_low_noise_14B_fp8_scaled | CLIPLoader: umt5_xxl_fp8_e4m3fn_scaled, device: cpu | Load VAE: wan_2.1_vae

WanImageToVideo: 832x480, 81 frames | KSamplerAdvanced high (steps 0-10, cfg 3.5) -> KSamplerAdvanced low (steps 10-20, cfg 3.5) | shift 5 | VAE Decode (Tiled)

Wan 2.2 5B 在 8-12 GB 顯卡上

UnetLoaderGGUF: wan2.2_ti2v_5B_Q8_0.gguf | CLIPLoader: umt5_xxl_fp8 (cpu) | 1280x704 is the native 720p shape; start at 832x480, 49 frames, 20 steps

python main.py --lowvram

同一段影片在雲端上

/workflow /run:wan22-i2v slow dolly in, she looks up and smiles, soft wind in her hair /length:81 (reply to your image on PirateDiffusion)

技巧

單段 5 秒影片的報告時間：Wan 2.1 1.3B 480p 在 RTX 4090 約 4 分鐘；Wan 2.2 5B 720p 官方不到 9 分鐘；Wan 圖片轉影片在 4090 約 12.7 分鐘，5090 約 7 分鐘（公開測試約快 45%）；LTX-2 在 4090 約 90 秒。卸載會讓速度變慢好幾倍。
阿里巴巴給 Wan 2.2 A14B 的 80 GB 是全精度且不卸載的數字；實際大家用 FP8 或 GGUF，文字編碼器放系統 RAM。
14B 有兩個專家檔案：看模型頁面 LoRA 是訓練在哪個專家（高噪或低噪）上，載錯專家沒用。
LTX-2 用記憶體換速度和音訊；32 GB 可跑 FP8 是最快的開放路徑，能做帶聲音的成品。
5090 發售價 1,999 美元，但 2026 年 10 月街價約 4,500-6,000 美元，仍跑不動全精度模型。偶爾做影片，租用 48 或 80 GB GPU 按小時計費，或用固定月費雲端方案，比小卡卸載更便宜也快。
本網站 Wan、Hunyuan 和 LTX 家族頁列出所有可下載變體及檔案大小；一個變體跑得順，VRAM 要有檔案大小加 3-4 GB 空間。

Wan 2.2 是最新可本地跑的 Wan；Wan 家族頁會追蹤更新。

常見問題

8 GB VRAM 可以做 AI 影片嗎？

可以，但只能做短小低解析度影片。Wan 2.1 1.3B 可做 480p 影片約需 8 GB，Wan 2.2 5B 可用 GGUF 檔和卸載跑。Wan 2.2 14B、HunyuanVideo 和 LTX-2 需要更多。

24 GB VRAM 夠用嗎？

對大多數人來說夠。24 GB 卡能跑 Wan 2.2 5B 全精度、Wan 2.2 14B FP8（文字編碼器卸載）、HunyuanVideo 1.5 和 LTX-2 FP4。是本地影片工作的主流卡。

為什麼 Wan 2.2 說要 80 GB？

那是 14B 模型全精度且不卸載的需求。用 FP8 或 GGUF 檔，文字編碼器放系統 RAM，24 GB 就能跑，12-16 GB 也能跑但慢。

RTX 5090 值得買來做 AI 影片嗎？

如果常做影片，5090 比 4090 多 8 GB（32 對 24），能舒適跑 Wan 2.2 14B 和 FP8 LTX-2 720p，速度約快 45%。但它上市價 1,999 美元，2026 年 10 月街價約 4,500-6,000 美元，且仍跑不動全精度模型。偶爾做影片，租 48 或 80 GB GPU 按小時計費或用固定月費雲端方案更划算。