Wan 2.2 video: thiết lập, cài đặt và LoRA cho text-to-video và image-to-video
Tổng quan
Wan 2.2 là dòng video mở của Alibaba và là model video được tải nhiều nhất trên trang này. Nó có bản hybrid 5B cho text và image-to-video, thiết kế cho card phổ thông (720p trên 8 đến 12 GB), và bản 14B cho text-to-video và image-to-video dùng hai chuyên gia: một model nhiễu cao để tạo chuyển động và bố cục ở các bước đầu, và một model nhiễu thấp để thêm chi tiết ở các bước cuối. Cặp 14B tạo ra kết quả điện ảnh mà mọi người hay chia sẻ; model 5B là để học.
Cộng đồng đã huấn luyện hàng trăm LoRA cho Wan: chuyển động camera (quay vòng, dolly, zoom nhanh), phong cách chuyển động, nhân vật, hiệu ứng, và các LoRA lightning / distillation giúp giảm render 30 bước xuống còn 4 đến 8 bước mà gần như không mất chất lượng. Trang Wan family xếp hạng chúng theo độ hot; các LoRA lightning gần như luôn đứng đầu.
Các lựa chọn host rất phù hợp cho video vì render lâu và tốn VRAM: PirateDiffusion chạy quy trình Wan từ Telegram với lệnh /wf /run, và BitVector giữ sẵn các đồ thị Wan với LoRA đã cài. Cả hai đều được liên kết trong hộp Run trên mỗi trang model Wan.
Tham khảo
Tên | Kiểu | Ý nghĩa | |
|---|---|---|---|
Wan2.2-TI2V-5B | model | Một model cho text-to-video và image-to-video, 720p ở 24 fps, tối đa 121 khung hình. fp16 10 GB, fp8 5 GB. Card 8 đến 12 GB. | |
Wan2.2-T2V-A14B / I2V-A14B | model pair | ||
umt5-xxl text encoder | file | ||
| Wan 2.1 / 2.2 VAE | file | Model 5B dùng VAE 2.2; model 14B dùng VAE 2.1. Trộn lẫn sẽ ra kết quả tệ. | |
Resolution | setting | 480x832 hoặc 832x480 cho thử nhanh; 720x1280 / 1280x720 cho bản cuối. Bội số của 16. | |
Frames | setting | 4n+1: 33, 49, 65, 81. 81 khung hình ở 16 fps là 5 giây. | |
Steps / shift / CFG | setting | ||
Lightning / distill LoRA | LoRA riêng cho chuyên gia nhiễu cao và nhiễu thấp; load từng cái trên model riêng. Trọng số 1.0. | ||
Prompt | text | Chủ thể, hành động, camera, ánh sáng, phong cách, theo thứ tự đó. Mô tả động từ chuyển động rõ ràng. Wan dùng negative prompt (khác Flux). |
Từng bước
- Cài loader: ComfyUI core hỗ trợ Wan 2.2; thêm ComfyUI-GGUF cho file đã lượng tử. Cập nhật ComfyUI trước.
- Load template chính thức (Workflow > Browse Templates > Video > Wan 2.2) và thay loader bằng file của bạn. Với GGUF đổi Load Diffusion Model thành Unet Loader (GGUF).
- Với 14B: hai node KSampler Advanced. Node đầu chạy model nhiễu cao cho bước 0 đến N/2 (trả lại noise thừa), node hai chạy model nhiễu thấp từ N/2 đến N. Template đã nối sẵn.
- Render lần đầu: 480x832, 33 khung hình, 20 bước, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Dự kiến 2 đến 6 phút.
- Thêm LoRA lightning từ trang Wan family (mỗi chuyên gia một cái), đặt bước 6 (3 + 3), CFG 1. Thời gian render giảm xuống dưới một phút ở 480p.
- Image-to-video: load cặp I2V, đưa ảnh vào WanImageToVideo, giữ prompt về chuyển động và camera thay vì mô tả ảnh.
- Quá chậm hoặc quá nặng: chạy workflow trên BitVector, hoặc trên PirateDiffusion với /workflow /show:wan để xem trường và /wf /run:wan kèm prompt của bạn.
Ví dụ
Prompt 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 image-to-video (chỉ chuyển động)
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
Mẹo
- Mô tả chuyển động bằng động từ và camera bằng từ phim (slow dolly in, handheld, static wide shot). Wan hiểu ngôn ngữ camera rất tốt.
- Giữ negative prompt: bản chính thức liệt kê overexposure, static, chi tiết mờ, phụ đề, chất lượng tệ nhất, ngón tay thừa, và nó giúp.
- Số khung hình tốn hơn độ phân giải: 81 khung ở 480p rẻ hơn 49 khung ở 720p.
- Motion LoRA cho Wan được tag theo chuyên gia nhắm tới; LoRA chỉ nhiễu thấp thêm chi tiết, LoRA nhiễu cao thay đổi chuyển động.
- Seed rất quan trọng với video; giữ seed cố định khi chỉnh prompt, rồi thay đổi seed cho các lần quay.
- Lưu workflow với bộ LoRA của bạn làm template; đồ thị Wan dài và dễ hỏng.
Khắc phục sự cố
Hết bộ nhớ khi sampler đầu tiên chạy
Vì sao xảy ra
fp16 14B trên card 24 GB hoặc nhỏ hơn.
Cách sửa
Dùng cặp fp8 hoặc GGUF Q4, giảm số khung, 480p, --lowvram; hoặc model 5B.
Video bị mờ hoặc nhiễu màu
Vì sao xảy ra
VAE sai (2.2 VAE với 14B hoặc 2.1 VAE với 5B), hoặc LoRA lightning không đặt CFG 1.
Cách sửa
Phù hợp VAE với model; với LoRA lightning đặt CFG 1 và 4 đến 8 bước.
Gần như không có chuyển động
Vì sao xảy ra
Prompt mô tả cảnh, không phải hành động; hoặc quá ít bước trên chuyên gia nhiễu cao.
Cách sửa
Thêm động từ chuyển động và di chuyển camera; cho chuyên gia nhiễu cao nửa số bước.
Chủ thể biến đổi giữa chừng
Vì sao xảy ra
Quá nhiều khung so với độ phân giải, hoặc hai LoRA xung đột.
Cách sửa
Giảm còn 49 khung, dùng một LoRA chuyển động mỗi lần, tăng bước trên chuyên gia nhiễu thấp.
Giải mã thất bại sau khi sampling thành công
Vì sao xảy ra
Giải mã VAE là điểm cao nhất về bộ nhớ cho video.
Cách sửa
Giải mã VAE Wan theo ô (tùy chọn tiled trên node decode), hoặc giảm số khung.
Cảnh báo không load được key LoRA
Vì sao xảy ra
LoRA 2.1 trên 2.2, hoặc LoRA 14B trên model 5B.
Cách sửa
Phù hợp phiên bản và kích thước; trang model ghi rõ.
Câu hỏi
5B hay 14B?
5B để học và cho card 8 đến 12 GB; 14B để chất lượng khi có 24 GB hoặc chạy trên host. Cả hai dùng prompt giống nhau.
Clip dài bao lâu?
Tối đa 81 khung (5 giây ở 16 fps) cho 14B và 121 khung (5 giây ở 24 fps) cho 5B mỗi lần render; video dài hơn ghép từ các phần tiếp nối khung cuối.
Wan có làm audio không?
Wan 2.2 S2V làm hoạt hình người nói từ audio nhưng không tạo âm thanh; LTX-2 và MiniMax H3 tạo audio cùng video (hướng dẫn của họ có trên trang này).
LoRA lightning từ đâu ra?
Là bản distillation của Lightx2v và người khác; trang Wan family liệt kê kèm điểm heat và chuyên gia mục tiêu.
Có chạy Wan không cần GPU được không?
Có: PirateDiffusion từ Telegram, BitVector trên trình duyệt. Cả hai giữ workflow và LoRA đã cài sẵn.
Liên kết và nguồn
- Wan 2.2 on GitHub
- Wan 2.2 weights on Hugging Face
- ComfyUI Wan 2.2 examples
- Wan family page
- Hosted Wan workflows on PirateDiffusionAD
- BitVectorAD
Mô hình trong hướng dẫn này
Người viết
Điều hành con tàu này. Có những ý kiến về thời gian giải mã VAE mà chẳng ai hỏi. Tin rằng trọng số muốn được tự do và bất kỳ mô hình nào bạn không thể tải xuống đều là đăng ký với thêm bước. Sẽ không trả lời câu hỏi về 400 GB checkpoint trên NAS.
Tất cả hướng dẫn của Captain
Hướng dẫn liên quan
CUDA hết bộ nhớ: mỗi mô hình AI cần bao nhiêu VRAM và cách để vừa vặn
18 Tháng 5, 2026
Lỗi ComfyUI và cách sửa: nút đỏ, thiếu mô hình, hết bộ nhớ CUDA
12 Tháng 5, 2026
MiniMax H3 video prompts: cấu trúc chính thức
14 Tháng 9, 2026
Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: nên dùng dòng model nào năm 2026
22 Tháng 5, 2026
Các mô hình video AI mã nguồn mở tốt nhất năm 2026: những gì bạn thực sự có thể tải về
14 Tháng 10, 2026
Hướng dẫn khác
Tạo video AI cho người mới: từ ảnh sang video, từ văn bản sang video và clip đầu tiên với Wan, LTX-2 và H3
29 Tháng 4, 2026
Bạn cần bao nhiêu VRAM cho video AI? Wan 2.2, HunyuanVideo 1.5 và LTX-2 theo kích thước GPU (2026)
6 Tháng 10, 2026
HunyuanVideo 1.5 và Wan 2.2: mô hình video mở nào nên dùng năm 2026
4 Tháng 10, 2026
Wan 2.2 5B vs 14B: nên tải Wan nào cho card đồ họa của bạn
4 Tháng 10, 2026
Quy trình Wan 2.2 5B ComfyUI: văn bản hoặc hình ảnh 720p thành video trên một card tầm trung
9 Tháng 10, 2026