Wan 2.2 S2V anime un orateur à partir de l’audio mais ne génère pas de son ; LTX-2 et MiniMax H3 génèrent l’audio avec la vidéo (leurs guides sont sur ce site).

Trends

.ai

les meilleurs modèles d'IA open source

Wan 2.2 vidéo : configuration, réglages et LoRAs pour texte-à-vidéo et image-à-vidéo

Q: Manque de mémoire au premier sampler

Poids 14B fp16 sur une carte de 24 Go ou moins. Paire fp8 ou GGUF Q4, moins d’images, 480p, --lowvram ; ou le modèle 5B.

Q: Échec du décodage après un échantillonnage réussi

Le décodage VAE est le pic mémoire pour la vidéo. Décodage Wan VAE en tuiles (option tiled sur le nœud decode), ou moins d’images.

Sujet : Modèles vidéo

Par Captain

Publié le 2026-05-24

Obtenir les premiers résultats avec Wan 2.2 : quel modèle choisir (5B ou 14B), la paire d’experts bruit élevé / bruit faible, les résolutions et nombres d’images qui fonctionnent, les LoRAs lightning qui réduisent les rendus à quatre étapes, la structure du prompt pour le mouvement, et comment l’utiliser en hébergé quand la carte est trop petite.

Aperçu

Wan 2.2

est la famille vidéo open d’Alibaba et le modèle vidéo le plus téléchargé sur ce site. Il existe en modèle hybride texte-et-image-à-vidéo 5B conçu pour les cartes grand public (720p sur 8 à 12 Go), et en modèles texte-à-vidéo et image-à-vidéo 14B qui utilisent deux experts : un modèle à bruit élevé qui pose le mouvement et la composition dans les premières étapes, et un modèle à bruit faible qui ajoute les détails dans les dernières étapes. La paire 14B produit les résultats cinématographiques que les gens partagent ; le modèle 5B est celui pour apprendre.

La communauté a entraîné des centaines de

LoRAs

Wan

: mouvements de caméra (orbite, dolly, zoom crash), styles de mouvement, personnages, effets, et les LoRAs lightning / distillation qui réduisent les rendus de 30 étapes à 4 à 8 étapes avec peu de perte. La page famille Wan les classe par popularité ; les LoRAs lightning sont presque toujours en haut.

Les options hébergées conviennent bien à la vidéo car les rendus sont longs et gourmands en

VRAM

PirateDiffusion

exécute les workflows Wan depuis Telegram avec /wf /run, et

BitVector

garde les graphes Wan préinstallés avec les LoRAs en place. Les deux sont liés dans la boîte Run de chaque page de modèle Wan.

Référence

Nom	Type	Rôle
Wan2.2-TI2V-5B	model	Un modèle pour texte-et-image-à-vidéo, 720p à 24 fps, 121 images max. fp16 10 Go, fp8 5 Go. Cartes de 8 à 12 Go.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Experts à bruit élevé et faible, 14B chacun (27B total, 14B actifs). 480p et 720p. fp8 environ 14 Go chacun ; GGUF Q4 environ 8 Go chacun.
umt5-xxl text encoder	file	fp8 scaled (6 Go) ou fp16 (11 Go). Partagé par tous les modèles Wan.
Wan 2.1 / 2.2 VAE	file	Le modèle 5B utilise le VAE 2.2 ; les modèles 14B utilisent le VAE 2.1. Les mélanger donne des résultats nuls.
Resolution	setting	480x832 ou 832x480 pour tests rapides ; 720x1280 / 1280x720 pour les versions finales. Multiples de 16.
Frames	setting	4n+1 : 33, 49, 65, 81. 81 images à 16 fps font cinq secondes.
Steps / shift / CFG	setting	20 à 30 étapes, shift 5 à 8, CFG 3.5 à 5 sans lightning. Avec LoRAs lightning : 4 à 8 étapes, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRAs séparés pour les experts à bruit élevé et faible ; charger chacun sur son propre modèle. Poids 1.0.
Prompt	text	Sujet, action, caméra, éclairage, style, dans cet ordre. Décrire les verbes de mouvement explicitement. Le prompt négatif est utilisé par Wan (contrairement à Flux ).

Aucune installation requise – exécutez les modèles IA dans le cloud

BitVector Prism est la façon la plus simple de commencer : choisissez un modèle, tapez un prompt et générez dans une application web épurée, sans rien configurer. BitVector est aussi disponible sur Discord et sur le web (SpyGlass).

Essayer BitVector

Pas à pas

Installe les loaders : le cœur
ComfyUI
supporte Wan 2.2 ; ajoute ComfyUI-GGUF pour les fichiers quantifiés. Mets ComfyUI à jour d’abord.
Télécharge selon ta carte : 5B fp8 plus le VAE 2.2 et umt5 fp8 sur 8 à 12 Go ; la paire 14B fp8 plus le VAE 2.1 sur 24 Go ; la paire 14B GGUF Q4 sur 12 à 16 Go.
Charge le template officiel (Workflow > Browse Templates > Video > Wan 2.2) et remplace les loaders par tes fichiers. Pour GGUF, remplace Load Diffusion Model par Unet Loader (GGUF).
Pour 14B : deux nœuds KSampler Advanced. Le premier lance le modèle à bruit élevé pour les étapes 0 à N/2 (retourne avec le bruit restant), le second lance le modèle à bruit faible de N/2 à N. Le template est déjà câblé pour ça.
Premier rendu : 480x832, 33 images, 20 étapes, CFG 4, shift 8, prompt « a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field ». Attends 2 à 6 minutes.
Ajoute les LoRAs lightning depuis la page famille Wan (un pour chaque expert), règle les étapes à 6 (3 + 3), CFG 1. Les rendus tombent à moins d’une minute en 480p.
Image-à-vidéo : charge la paire I2V, donne l’image à WanImageToVideo, garde le prompt sur le mouvement et la caméra plutôt que de décrire l’image.
Finales : 720p, 81 images, interpole à 32 fps avec RIFE ou FILM, upscale avec un
upscaler
vidéo de la famille
Upscalers
si besoin.
Trop lent ou trop gros : lance le même workflow sur BitVector, ou sur PirateDiffusion avec /workflow /show:wan pour lire les champs et /wf /run:wan ton prompt.

Exemples

Prompt texte-à-vidéo

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-à-vidéo (mouvement seulement)

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

Astuces

Décris le mouvement avec des verbes et la caméra avec des mots de cinéma (slow dolly in, handheld, static wide shot). Wan suit très bien le langage caméra.
Garde le prompt négatif : l’officiel liste surexposition, statique, détails flous, sous-titres, pire qualité, doigts en trop, et ça aide.
Pour I2V, génère la première image avec Flux,
Qwen
ou
Z-Image
au ratio cible ; une image nette et bien éclairée produit un clip meilleur que n’importe quel prompt.
Le nombre d’images coûte plus cher que la résolution : 81 images en 480p est moins cher que 49 images en 720p.
Les LoRAs de mouvement pour Wan sont tagués selon l’expert ciblé ; un LoRA low-noise ajoute du détail, un LoRA high-noise change le mouvement.
La seed compte beaucoup en vidéo ; garde-la fixe pendant que tu ajustes le prompt, puis varie-la pour les prises.
Sauvegarde le workflow avec ton set de LoRA comme template ; les graphes Wan sont longs et faciles à casser.

Associe version et taille ; la page du modèle les nomme toutes les deux.

Aucune installation requise – exécutez les modèles IA dans le cloud

PirateDiffusion est réservé à Telegram et conçu pour les pros : des milliers de modèles, LoRA et workflows pilotés par commandes de chat, avec génération illimitée à prix fixe.

Essayer PirateDiffusion

Questions

5B ou 14B ?

5B pour apprendre et pour cartes 8 à 12 Go ; 14B pour la qualité si tu as 24 Go ou que tu utilises l’hébergé. Les deux prennent les mêmes prompts.

Quelle durée pour un clip ?

Jusqu’à 81 images (5 s à 16 fps) pour 14B et 121 images (5 s à 24 fps) pour 5B par rendu ; les vidéos plus longues sont assemblées par continuation à partir de la dernière image.