Wan 2.2 S2V animuje mluvčího z audia, ale nevytváří zvuk; LTX-2 a MiniMax H3 generují zvuk s videem (jejich návody jsou na tomto webu).

Prompt popisuje scénu, ne akci; nebo málo kroků u experta vysoký šum. Přidej slovesa pohybu a pohyby kamery; dej expertovi vysoký šum polovinu kroků.

Trends

nejlepší open source AI modely

Wan 2.2 video: nastavení text-to-video a image-to-video, nastavení a LoRA

Q: Nedostatek paměti u prvního sampleru

fp16 14B váhy na kartě 24 GB nebo menší. fp8 nebo GGUF Q4 pár, méně snímků, 480p, --lowvram; nebo 5B model.

Q: Dekódování selže po úspěšném vzorkování

VAE dekódování je paměťový vrchol u videa. Wan VAE dekódování po dlaždicích (volba tiled na decode uzlu), nebo méně snímků.

Téma: Video modely

Autor: Captain

Publikováno 2026-05-24

První výsledky s Wan 2.2: jakou velikost modelu vybrat (5B nebo 14B), pár expertů vysoký šum / nízký šum, rozlišení a počet snímků, které fungují, lightning LoRA, které zkracují render na čtyři kroky, struktura promptu pro pohyb a jak to spustit hostované, když má karta málo paměti.

Přehled

Wan 2.2

je otevřená video rodina od Alibaba a nejstahovanější video model na tomto webu. Je dostupný jako 5B hybridní model pro text- a image-to-video, určený pro běžné karty (720p na 8 až 12 GB), a jako 14B text-to-video a image-to-video modely, které používají dva experty: model s vysokým šumem, který v prvních krocích nastavuje pohyb a kompozici, a model s nízkým šumem, který v posledních krocích přidává detaily. Pár 14B dává ty filmové výsledky, které lidé sdílí; 5B model je ten, na kterém se učíš.

Komunita natrénovala stovky

Wan

LoRAs

: pohyby kamery (orbit, dolly, crash zoom), styly pohybu, postavy, efekty a lightning / distilační LoRA, které zkracují 30-krokové rendery na 4 až 8 kroků s minimální ztrátou. Stránka Wan family je řadí podle popularity; lightning LoRA jsou skoro vždy nahoře.

Hostované možnosti jsou vhodné pro video, protože rendery jsou dlouhé a žerou hodně

VRAM

PirateDiffusion

spouští Wan workflow z Telegramu s /wf /run a

BitVector

má Wan grafy předinstalované s LoRA. Obojí je odkazováno v Run boxu na každé stránce Wan modelu.

Reference

Název	Typ	Co to je
Wan2.2-TI2V-5B	model	Jeden model pro text- a image-to-video, 720p při 24 fps, max 121 snímků. fp16 10 GB, fp8 5 GB. Karty 8 až 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Experti vysoký šum a nízký šum, každý 14B (celkem 27B, aktivních 14B). 480p a 720p. fp8 cca 14 GB každý; GGUF Q4 cca 8 GB každý.
umt5-xxl text encoder	file	fp8 scaled (6 GB) nebo fp16 (11 GB). Sdílený všemi Wan modely.
Wan 2.1 / 2.2 VAE	file	5B model používá 2.2 VAE; 14B modely používají 2.1 VAE. Míchání dává špatné výsledky.
Resolution	setting	480x832 nebo 832x480 pro rychlé testy; 720x1280 / 1280x720 pro finální. Násobky 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 snímků při 16 fps je pět sekund.
Steps / shift / CFG	setting	20 až 30 kroků, shift 5 až 8, CFG 3.5 až 5 bez lightning. S lightning LoRA: 4 až 8 kroků, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	Samostatné LoRA pro experty vysoký a nízký šum; načti každou na svůj model. Váha 1.0.
Prompt	text	Předmět, akce, kamera, osvětlení, styl, v tomto pořadí. Pohyb popisuj slovesy. Negativní prompt Wan používá (na rozdíl od Flux ).

Bez instalace - spouštějte AI modely v cloudu

BitVector Prism je nejsnazší způsob, jak začít: vyberte model, napište prompt a generujte v přehledné webové aplikaci, bez jakéhokoli nastavování. BitVector je k dispozici také na Discordu a na webu (SpyGlass).

Vyzkoušet BitVector

Krok za krokem

Nainstaluj loadery:
ComfyUI
core podporuje Wan 2.2; přidej ComfyUI-GGUF pro kvantované soubory. Nejprve aktualizuj ComfyUI.
Stáhni podle své karty: 5B fp8 plus 2.2 VAE a umt5 fp8 na 8 až 12 GB; 14B fp8 pár plus 2.1 VAE na 24 GB; 14B GGUF Q4 pár na 12 až 16 GB.
Načti oficiální šablonu (Workflow > Browse Templates > Video > Wan 2.2) a nahraď loadery svými soubory. Pro GGUF vyměň Load Diffusion Model za Unet Loader (GGUF).
Pro 14B: dva KSampler Advanced uzly. První běží vysoký šum od kroků 0 do N/2 (vrací s ponechaným šumem), druhý běží nízký šum od N/2 do N. Šablona to už má zapojené.
První render: 480x832, 33 snímků, 20 kroků, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Čas 2 až 6 minut.
Přidej lightning LoRA z Wan family stránky (jednu pro každého experta), nastav kroky na 6 (3 + 3), CFG 1. Rendery klesnou pod minutu při 480p.
Image-to-video: načti I2V pár, nahraj obrázek do WanImageToVideo, prompt nech o pohybu a kameře, ne o obrázku.
Finální: 720p, 81 snímků, interpoluj na 32 fps s RIFE nebo FILM, případně zvětši video upscalerem z rodiny
Upscalers
.
Příliš pomalé nebo velké: spusť stejný workflow na BitVector, nebo na PirateDiffusion s /workflow /show:wan pro zobrazení polí a /wf /run:wan s tvým promptem.

Příklady

Prompt pro 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 pro image-to-video (jen pohyb)

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

Tipy

Pohyb popisuj slovesy a kameru filmovými výrazy (slow dolly in, handheld, static wide shot). Wan zvládá jazyk kamery neobvykle dobře.
Nezapomeň na negativní prompt: oficiální obsahuje přeexpozici, statické scény, rozmazané detaily, titulky, nejhorší kvalitu, extra prsty a pomáhá to.
Pro I2V vygeneruj první snímek s Flux,
Qwen
nebo
Z-Image
v cílovém poměru stran; ostrý, dobře osvětlený statický obrázek dává lepší klip než jakýkoli prompt.
Počet snímků stojí víc než rozlišení: 81 snímků při 480p je levnější než 49 snímků při 720p.
Motion LoRA pro Wan jsou označené podle experta, na kterého cílí; LoRA jen pro nízký šum přidává detaily, LoRA pro vysoký šum mění pohyb.
Seed je u videa hodně důležitý; při ladění promptu ho nech stejný, pak ho měň pro různé záběry.
Ulož workflow s tvou sadou LoRA jako šablonu; Wan grafy jsou dlouhé a snadno se rozbijí.

Použij správnou verzi a velikost; stránka modelu je pojmenovává.

Bez instalace - spouštějte AI modely v cloudu

PirateDiffusion je pouze na Telegramu a je stavěný pro profesionály: tisíce modelů, LoRA a workflow ovládaných chatovými příkazy, s neomezeným generováním za pevnou cenu.