.ai

model AI open source terbaik

Cari

Wan 2.2 video: pengaturan text-to-video dan image-to-video, pengaturan dan LoRA

Q: Kehabisan memori di sampler pertama

Bobot 14B fp16 di kartu 24 GB atau lebih kecil. Pasangan fp8 atau GGUF Q4, frame lebih sedikit, 480p, --lowvram; atau model 5B.

Q: Decode gagal setelah sampling berhasil

Decode VAE adalah puncak penggunaan memori untuk video. Decode VAE Wan dengan tiles (opsi tiled di node decode), atau frame lebih sedikit.

Topik: Model video

Oleh Captain

Diterbitkan 2026-05-24

Mendapatkan hasil pertama dari Wan 2.2: memilih ukuran model (5B atau 14B), pasangan ahli high-noise / low-noise, resolusi dan jumlah frame yang cocok, LoRA lightning yang memotong render jadi empat langkah, struktur prompt untuk gerakan, dan cara menjalankannya secara hosted saat kartu terlalu kecil.

Ikhtisar

Wan 2.2

adalah keluarga video terbuka dari Alibaba dan model video yang paling banyak diunduh di situs ini. Model ini hadir sebagai model hybrid text-and-image-to-video 5B yang dibuat untuk kartu konsumen (720p pada 8 sampai 12 GB), dan sebagai model text-to-video dan image-to-video 14B yang menggunakan dua ahli: model high-noise yang mengatur gerakan dan komposisi di langkah awal dan model low-noise yang menambahkan detail di langkah akhir. Pasangan 14B menghasilkan hasil sinematik yang sering dibagikan orang; model 5B adalah yang cocok untuk belajar.

Komunitas telah melatih ratusan

LoRA

Wan

: gerakan kamera (orbit, dolly, crash zoom), gaya gerakan, karakter, efek, dan LoRA lightning / distillation yang mengurangi render 30 langkah menjadi 4 sampai 8 langkah dengan sedikit kehilangan kualitas. Halaman keluarga Wan mengurutkannya berdasarkan popularitas; LoRA lightning hampir selalu berada di puncak.

Pilihan hosted cocok untuk video karena rendernya lama dan butuh

VRAM

besar:

PirateDiffusion

menjalankan workflow Wan dari Telegram dengan /wf /run, dan

BitVector

menyimpan grafik Wan yang sudah terpasang dengan LoRA yang siap dipakai. Keduanya terhubung di kotak Run di setiap halaman model Wan.

Referensi

Nama	Tipe	Artinya
Wan2.2-TI2V-5B	model	Satu model untuk text- dan image-to-video, 720p pada 24 fps, maksimal 121 frame. fp16 10 GB, fp8 5 GB. Kartu 8 sampai 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Ahli high-noise dan low-noise, masing-masing 14B (total 27B, 14B aktif). 480p dan 720p. fp8 sekitar 14 GB masing-masing; GGUF Q4 sekitar 8 GB masing-masing.
umt5-xxl text encoder	file	fp8 scaled (6 GB) atau fp16 (11 GB). Dipakai oleh semua model Wan.
Wan 2.1 / 2.2 VAE	file	Model 5B pakai VAE 2.2; model 14B pakai VAE 2.1. Campur keduanya hasilnya jelek.
Resolution	setting	480x832 atau 832x480 untuk tes cepat; 720x1280 / 1280x720 untuk hasil akhir. Kelipatan 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 frame pada 16 fps adalah lima detik.
Steps / shift / CFG	setting	20 sampai 30 langkah, shift 5 sampai 8, CFG 3.5 sampai 5 tanpa lightning. Dengan LoRA lightning: 4 sampai 8 langkah, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRA terpisah untuk ahli high-noise dan low-noise; muat masing-masing di modelnya sendiri. Bobot 1.0.
Prompt	text	Subjek, aksi, kamera, pencahayaan, gaya, dalam urutan itu. Jelaskan kata kerja gerakan secara eksplisit. Prompt negatif dipakai oleh Wan (beda dengan Flux ).

Tanpa instalasi – jalankan model AI di cloud

BitVector Prism adalah cara termudah untuk memulai: pilih model, ketik prompt, dan hasilkan di aplikasi web yang bersih tanpa perlu mengatur apa pun. BitVector juga tersedia di Discord dan di web (SpyGlass).

Coba BitVector

Langkah demi langkah

Pasang loader:
ComfyUI
core mendukung Wan 2.2; tambahkan ComfyUI-GGUF untuk file terkuantisasi. Update ComfyUI dulu.
Unduh sesuai kartu kamu: 5B fp8 plus VAE 2.2 dan umt5 fp8 untuk 8 sampai 12 GB; pasangan 14B fp8 plus VAE 2.1 untuk 24 GB; pasangan 14B GGUF Q4 untuk 12 sampai 16 GB.
Muat template resmi (Workflow > Browse Templates > Video > Wan 2.2) dan ganti loader dengan file kamu. Untuk GGUF ganti Load Diffusion Model dengan Unet Loader (GGUF).
Untuk 14B: dua node KSampler Advanced. Yang pertama menjalankan model high-noise untuk langkah 0 sampai N/2 (kembali dengan sisa noise), yang kedua menjalankan model low-noise dari N/2 sampai N. Template sudah menghubungkan ini.
Render pertama: 480x832, 33 frame, 20 langkah, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Perkiraan 2 sampai 6 menit.
Tambahkan LoRA lightning dari halaman keluarga Wan (satu untuk tiap ahli), atur langkah jadi 6 (3 + 3), CFG 1. Render turun jadi kurang dari satu menit di 480p.
Image-to-video: muat pasangan I2V, masukkan gambar ke WanImageToVideo, fokus prompt pada gerakan dan kamera, bukan deskripsi gambar.
Hasil akhir: 720p, 81 frame, interpolasi ke 32 fps dengan RIFE atau FILM, upscale dengan video
upscaler
dari keluarga
Upscalers
jika perlu.
Kalau terlalu lambat atau terlalu besar: jalankan workflow yang sama di BitVector, atau di PirateDiffusion dengan /workflow /show:wan untuk baca kolom dan /wf /run:wan prompt kamu.

Contoh

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 (hanya gerakan)

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

Tips

Jelaskan gerakan dengan kata kerja dan kamera dengan istilah film (slow dolly in, handheld, static wide shot). Wan mengikuti bahasa kamera dengan sangat baik.
Jangan hilangkan prompt negatif: yang resmi mencantumkan overexposure, static, detail blur, subtitle, kualitas terburuk, jari ekstra, dan ini membantu.
Untuk I2V, buat frame pertama dengan Flux,
Qwen
atau
Z-Image
dengan rasio aspek target; gambar diam yang tajam dan terang menghasilkan klip lebih baik daripada prompt apapun.
Jumlah frame lebih mahal daripada resolusi: 81 frame di 480p lebih murah daripada 49 frame di 720p.
LoRA gerakan untuk Wan diberi tag sesuai ahli yang ditargetkan; LoRA low-noise menambah detail, LoRA high-noise mengubah gerakan.
Seed sangat penting di video; tetap kunci seed saat mengatur prompt, lalu ubah untuk pengambilan.
Simpan workflow dengan set LoRA kamu sebagai template; grafik Wan panjang dan mudah rusak.

Cocokkan versi dan ukuran; halaman model menyebutkan keduanya.

Tanpa instalasi – jalankan model AI di cloud

PirateDiffusion hanya tersedia di Telegram dan dibuat untuk para profesional: ribuan model, LoRA, dan workflow lewat perintah chat, dengan pembuatan tanpa batas pada paket harga tetap.

Coba PirateDiffusion

Pertanyaan

5B atau 14B?

5B untuk belajar dan kartu 8 sampai 12 GB; 14B untuk kualitas jika punya 24 GB atau jalankan hosted. Keduanya pakai prompt yang sama.

Berapa lama klipnya?

Maksimal 81 frame (5 detik di 16 fps) untuk 14B dan 121 frame (5 detik di 24 fps) untuk 5B per render; video lebih panjang dijahit dari kelanjutan frame terakhir.