Model
Trends
.ai
Model
Trends
.ai
i migliori modelli di IA open source

Quanta VRAM serve per i video AI? Wan 2.2, HunyuanVideo 1.5 e LTX-2 in base alla dimensione GPU (2026)

Argomento: Modelli video
Di P.I. Panda
Pubblicato il 2026-10-06
VRAM necessaria per far girare Wan 2.2, HunyuanVideo 1.5 e LTX-2 in locale, in base alla dimensione della GPU, risoluzione e durata del clip: cosa possono fare le schede da 8, 12-16, 24, 32 e 48+ GB, perché il video costa cento volte un’immagine, i trucchi di offloading che fanno entrare modelli 14B su 24 GB, tempi realistici di generazione e quando conviene affittare invece di comprare.

Panoramica

Risposta breve: 8 GB bastano per clip brevi e a bassa risoluzione con
Wan 2.1
1.3B o un
Wan 2.2
5B quantizzato. 24 GB è il vero punto di partenza per video 720p con i migliori modelli open di oggi. 32 GB fa girare Wan 2.2 14B e
LTX-2
a 720p senza trucchi. Le versioni a precisione piena dei modelli più grandi servono ancora 48-80 GB, quindi schede da datacenter o cloud.
Il video richiede molta più memoria delle immagini perché un’immagine 1024x1024 ha circa un milione di pixel, mentre un clip di 5 secondi a 24 fps ha 120 frame: il modello lavora su più di cento volte tanto tutto insieme e deve mantenere ogni frame coerente con quelli vicini, quindi non li fa uno alla volta. Tre cose guidano la memoria e si moltiplicano: dimensione e precisione del modello (full, FP8 o GGUF), risoluzione (720p ha circa 2,25 volte i pixel di 480p) e durata del clip (più o meno proporzionale). Un modello che entra in memoria a 480p per 3 secondi può esaurirla a 720p per 5 secondi sulla stessa scheda.
Questa guida copre i modelli video open-weight che puoi scaricare e far girare da solo. I dati sono range pratici da schede ufficiali e test della community, controllati al 6 ottobre 2026; i risultati variano con la versione di
ComfyUI
, il workflow e quanta RAM di sistema è disponibile per l’offloading. Per i modelli immagine, vedi la guida companion sui requisiti
VRAM
per modello; entrambe si aggiornano ogni mese.

Riferimento

Nome
Tipo
Cos'è
Wan 2.1 T2V 1.3B
8 GB: 480p, ~5 s clips | 12 GB+: comfortable
L’opzione 8 GB. Circa 8,19 GB in uso, output 480p, circa 4 minuti per un clip di 5 secondi su RTX 4090. Qualità chiaramente inferiore ai modelli più grandi. Apache 2.0.
Wan 2.2 TI2V 5B
8 GB: GGUF Q8 with offloading, slow | 12-16 GB: quantised at 720p | 24 GB: full precision (official minimum)
Testo o immagine a 720p a 24 fps. Alibaba indica 24 GB (una RTX 4090) come minimo a precisione piena e meno di 9 minuti per un clip 720p di 5 secondi. Il Q8 GGUF pesa circa 5,4 GB; ComfyUI sposta il resto in RAM di sistema. Apache 2.0.
Wan 2.2 A14B (T2V e 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
La migliore qualità open. Mixture of experts: 27B parametri totali, 14B attivi, un esperto per i primi passi rumorosi e uno per i dettagli; solo un esperto alla volta in VRAM. FP8 pesa circa 14,3 GB per esperto, GGUF Q4-Q5 circa 10-11 GB. Il requisito ufficiale di 80 GB è per precisione piena senza offloading. Apache 2.0.
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
Tencent, novembre 2025, 8,3B parametri, 480p o 720p con
upscaler
integrato a 1080p; 80 GB raccomandati per la migliore qualità. Non è l’originale
HunyuanVideo
(13B), che serve 60-80 GB a precisione piena; molte guide vecchie li confondono.
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, pesi gennaio e marzo 2026. Video con audio sincronizzato, fino a 4K, e veloce: circa 90 secondi per un clip di 5 secondi su RTX 4090. Il compromesso è la memoria; Lightricks raccomanda anche 100 GB+ di spazio libero su disco.
System RAM
32 GB workable minimum | 64 GB comfortable for 14B models on 12-24 GB cards
L’offloading sposta parte del modello nella RAM normale, quindi la memoria di sistema conta più per il video che per le immagini.
Disk
fast NVMe SSD
I modelli video pesano decine di GB ciascuno; caricare da un disco lento aggiunge minuti a ogni cambio modello.
Wan 2.5-3.0, Kling, Veo, Runway, Seedance
API only
Nessun peso scaricabile, quindi niente dato VRAM; paghi a secondo di video. Wan 2.2 è il
Wan
più recente con pesi (a ottobre 2026).
AD
Video senza scheda 24 GB
BitVector Prism fa girare i modelli video Wan e LTX di questa guida sulle sue GPU: scegli il modello, carica un frame o scrivi un prompt, ricevi il clip nel browser. Niente da installare, niente offloading.

Passo dopo passo

  1. Controlla la tua VRAM: Windows Task Manager > Performance > GPU > Dedicated GPU memory; nvidia-smi su Linux. Controlla anche la RAM di sistema; 32 GB è il minimo per l’offloading.
  2. Scegli la riga del modello per la tua scheda dalla tabella: 8 GB significa Wan 2.1 1.3B o Wan 2.2 5B GGUF; 12-16 GB aggiunge Wan 2.2 14B GGUF e HunyuanVideo 1.5 con offloading; 24 GB è la scheda video comune (5B full, 14B FP8, LTX-2 FP4); 32 GB fa girare tutto a 720p in FP8.
  3. Scarica la precisione indicata nella pagina del modello per la tua fascia (FP8 per 24-32 GB, GGUF Q4-Q5 per 12-16 GB) invece dell’originale BF16.
  4. Parti da 480p e clip brevi (49-81 frame). Sistema movimento e composizione, poi fai l’upscale o rielabora a 720p. Passare da 480p a 720p raddoppia più o meno la memoria per frame, quindi un workflow a 14 GB a 480p può servire 24 GB o più a 720p.
  5. Per Wan 2.2 14B su 24 GB, sposta il text encoder T5/UMT5 nella RAM di sistema (dispositivo CPU nel loader, o offload automatico di ComfyUI). Senza questo un clip 720p può superare i 24 GB a metà.
  6. Per clip più lunghi di 5-6 secondi, genera a segmenti e collegali: l’ultimo frame di un clip diventa l’immagine iniziale del successivo. La maggior parte dei modelli open è tarata per circa 5 secondi e perde qualità oltre.
  7. Se un clip non entra ancora, abbassa prima i frame invece della risoluzione, usa il decode VAE a tiles e tieni browser e giochi fuori dalla GPU.
  8. Se ti servono Wan 2.2 14B o LTX-2 a 720p spesso e hai meno di 24 GB, usali sul cloud:
    PirateDiffusion
    fa girare Wan,
    LTX
    e H3 su GPU server da Telegram;
    BitVector
    da web app.

Esempi

Wan 2.2 14B image-to-video su 24 GB (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 su scheda 8-12 GB

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

Lo stesso clip sul cloud

/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)

Consigli

  • Tempi riportati per un singolo clip di 5 secondi: Wan 2.1 1.3B 480p circa 4 minuti su RTX 4090; Wan 2.2 5B 720p meno di 9 minuti (ufficiale); Wan image-to-video circa 12,7 minuti su 4090 contro circa 7 su 5090 (circa 45% più veloce in un test pubblicato); LTX-2 circa 90 secondi su 4090. L’offloading può rallentare tutto di parecchie volte.
  • Gli 80 GB indicati da Alibaba per Wan 2.2 A14B sono per precisione piena senza offloading; FP8 e GGUF più text encoder in RAM di sistema è come lo usano tutti.
  • Due esperti 14B significano due file: controlla nella pagina modello su quale esperto è stato addestrato un
    LoRA
    (rumore alto o basso); caricarlo sull’altro non serve a niente.
  • LTX-2 scambia memoria per velocità e audio; se riesci a farci stare FP8 su 32 GB è la strada open più veloce per un clip finito con audio.
  • Una 5090 è uscita a 1.999 dollari ma a ottobre 2026 si vendeva a circa 4.500-6.000 e ancora non regge i modelli a precisione piena. Per video occasionali, affittare una GPU da 48 o 80 GB a ore o un piano cloud fisso è più economico e molto più veloce dell’offloading su schede più piccole.
  • Le pagine Wan, Hunyuan e LTX su questo sito elencano tutte le varianti scaricabili con la loro dimensione file; una variante serve la sua dimensione più 3-4 GB liberi in VRAM per girare veloce.

Risoluzione dei problemi

CUDA out of memory a metà clip 720p su 24 GB

Perché succede
Il text encoder è ancora in VRAM insieme all’esperto 14B attivo.

Come risolverlo
Carica l’encoder UMT5 sulla CPU, o scendi a 480p; vedi la guida
CUDA out of memory
per la checklist completa.

Entra in memoria ma ci mette 40 minuti

Perché succede
Offloading pesante in RAM di sistema, o un GGUF Q4 su scheda che potrebbe usare FP8.

Come risolverlo
Accorcia il clip, abbassa la risoluzione o usa la precisione più alta che resta residente; controlla che "Shared GPU memory" in Task Manager resti vicino a zero.

La guida HunyuanVideo dice 60-80 GB

Perché succede
Si riferisce all’originale HunyuanVideo 13B, non a HunyuanVideo 1.5 (8,3B).

Come risolverlo
Usa 1.5: circa 14 GB con offloading, 24 GB comodi.

LTX-2 non si carica su 16 GB

Perché succede
Entra solo la pipeline preview distillata FP8; il modello completo serve 24 GB (FP4) o 32 GB (FP8).

Come risolverlo
Usa la preview distillata per bozze e render finali su scheda più grande o cloud.

Clip lungo si rovina dopo 6 secondi

Perché succede
I modelli open sono tarati per circa 5 secondi; memoria e qualità peggiorano oltre.

Come risolverlo
Collega segmenti da 5 secondi partendo dall’ultimo frame; fai upscale e interpolazione dopo.

Non trovo pesi Wan 2.5 o 3.0

Perché succede
Sono release solo API.

Come risolverlo
Wan 2.2 è il Wan più recente che puoi far girare in locale; la pagina Wan tiene traccia di ogni novità.

AD
PirateDiffusion
Wan 2.2 14B, LTX-2 e H3 da Telegram
PirateDiffusion ospita i grandi modelli video a precisione piena e manda il clip finito nella tua chat. Generazione illimitata a prezzo mensile fisso, meno di un mese di prezzo street della 5090 all’anno.

Domande

Posso fare video AI con 8 GB di VRAM?

Sì, ma solo clip brevi e a bassa risoluzione. Wan 2.1 1.3B fa clip 480p in circa 8 GB, e Wan 2.2 5B gira come file GGUF con offloading. Wan 2.2 14B, HunyuanVideo e LTX-2 servono di più.

24 GB bastano per video AI?

Per la maggior parte sì. Una scheda da 24 GB fa girare Wan 2.2 5B a precisione piena, Wan 2.2 14B in FP8 (720p con text encoder offloaded), HunyuanVideo 1.5 e LTX-2 in FP4. È la scheda più comune per video locale.

Perché Wan 2.2 dice che servono 80 GB?

È il dato per il modello 14B a precisione piena senza offloading. Con FP8 o file GGUF e text encoder in RAM di sistema gira su 24 GB, e su 12-16 GB più lentamente.

Conviene una RTX 5090 per video AI?

Se fai video spesso, gli 8 GB in più rispetto a una 4090 (32 contro 24) ti danno 720p comodi con Wan 2.2 14B e FP8 LTX-2, ed è circa il 45% più veloce. A due o tre volte il prezzo di lancio di 1.999 dollari, affittare è più economico per chi non genera video ogni giorno.

HunyuanVideo serve più VRAM di Wan?

HunyuanVideo 1.5 (8,3B) serve meno di Wan 2.2 14B: circa 14 GB con offloading. L’originale HunyuanVideo (13B) serve molto di più, quindi controlla quale versione cita la guida.

Quanta RAM di sistema?

32 GB è il minimo lavorabile per Wan 2.2 e HunyuanVideo con offloading; 64 GB è comodo per modelli 14B su schede 12-24 GB.

Link e fonti

Modelli di questa guida

Scritto da
P.I. Panda

Guide correlate

Errori e soluzioni
Requisiti di VRAM per ogni modello AI popolare di immagini e video (2026): precisione completa, FP8 e GGUF
Quanta VRAM serve per SD 1.5, SDXL, SD 3.5, Z-Image Turbo, FLUX.1, FLUX.2 Klein e Dev, Qwen-Image, Wan 2.2, HunyuanVideo 1.5 e LTX-2, a precisione completa, FP8 e GGUF a 4 bit, con la scheda e la licenza consigliate per ciascuno, cosa può far girare ogni GPU da 8 a 48 GB, e l’ordine delle soluzioni quando un modello non entra.
Di P.I. Panda
2026-10-06
Modelli video
Wan 2.2 video: configurazione, impostazioni e LoRA per text-to-video e image-to-video
Primi risultati con Wan 2.2: quale dimensione modello scegliere (5B o 14B), la coppia di esperti high-noise / low-noise, risoluzione e numero di frame che funzionano, le LoRA lightning che riducono i render a quattro step, struttura del prompt per il movimento e come usarlo in hosting quando la scheda è troppo piccola.
Di Captain
2026-05-24
Errori e soluzioni
CUDA memoria esaurita: quanta VRAM serve a ogni modello AI e come farlo entrare
Una tabella della VRAM per SD 1.5, SDXL, Flux, FLUX.2, Qwen-Image, Z-Image, Wan 2.2 e HunyuanVideo, e le tecniche per far entrare un modello: quantizzazione fp8 e GGUF, offload su CPU, VAE a tiles, limiti di risoluzione e frame, e quando smettere di lottare e usarlo in hosting.
Di Captain
2026-05-18
Errori e soluzioni
Guida a GPU e VRAM per immagini e video AI: cosa serve a ogni modello e cosa comprare (o no)
Quanta memoria grafica serve davvero a ogni famiglia di modelli per avere una velocità utilizzabile (SD 1.5, SDXL, Flux, FLUX.2, Qwen Image, Z-Image, Wan 2.2, LTX-2, H3), cosa ti danno la quantizzazione fp8 e GGUF, perché anche la RAM di sistema e il disco contano, una lista di schede da 8 a 32 GB, note su Mac e AMD, e il punto in cui conviene affittare invece di comprare.
Di Quartermaster
2026-01-07
Modelli
LTX 2.3 Crisp Enhance: dettagli video più nitidi e cinematografici
Il Crisp Enhance LoRA di vrgamedevgirl per LTX 2.3 aumenta nitidezza, micro-dettagli e contrasto nei video generati. Scopri come bilanciarlo con il fratello Soft Enhance, i pesi e alcune idee per i prompt.
Di Captain
2026-10-03
Servizi cloud
PirateDiffusion: usa qualsiasi modello da Telegram, senza bisogno di GPU
I comandi principali del bot PirateDiffusion su Telegram: /render con parole trigger del modello, pesi con (( )) e [[ ]], #recipes, /adetailer, upscaling con /highdef e /facelift, /remix, /inpaint, workflow ComfyUI con /wf /run:, e le nuove abilità // che scelgono il modello per te.
Di Captain
2026-10-03

Altre guide

Modelli
FLUX.1 Dev: come usarlo, impostazioni migliori e idee creative
Una guida pratica a FLUX.1 Dev di Black Forest Labs: come scrivere i prompt in linguaggio naturale, impostazioni di guida e passi, stacking di LoRA, rendering del testo e idee per prompt che sfruttano i suoi punti di forza.
Di Captain
2026-09-30
Modelli
Stable Diffusion XL 1.0: prompt, impostazioni e cosa fa ancora meglio
Come ottenere il massimo dal modello base ufficiale SDXL 1.0: risoluzioni native, impostazioni di CFG e sampler, il refiner, prompt negativi e idee per stili in cui SDXL brilla ancora.
Di Captain
2026-10-01
Modelli
Stable Diffusion 1.5: il modello classico, usato nel modo giusto
Stable Diffusion 1.5 vale ancora la pena conoscerlo: la risoluzione giusta, CFG e sampler, come usare la sua enorme libreria di LoRA e embedding, e idee creative per prompt adatte a un modello a 512 pixel.
Di Captain
2026-10-02
Modelli
FLUX.2 Dev: come usare il modello più recente di Black Forest Labs
FLUX.2 Dev supporta prompt più lunghi, testo migliore, realismo più forte e modifica con riferimenti multipli. Questa guida spiega il flusso turbo, le impostazioni di guida e risoluzione, la struttura del prompt e idee che sfruttano le sue nuove potenzialità.
Di Captain
2026-10-03
Modelli
Qwen-Image: prompt lunghi, testo perfetto e poster bilingue
Qwen-Image è il modello da usare quando le parole nell'immagine contano. Scopri come scrivere prompt descrittivi lunghi, riprodurre testo in inglese e cinese con precisione, impostare CFG e passi, e esplorare idee creative con layout complessi.
Di Captain
2026-09-29
Modelli
SDXL-Lightning: generazione in quattro passaggi su qualsiasi checkpoint SDXL
Lo LoRA SDXL-Lightning di ByteDance trasforma un rendering SDXL da 30 passaggi in uno da 4. Scopri il numero di passaggi, il CFG da usare, il sampler e come combinarlo con i tuoi checkpoint e LoRA di stile preferiti.
Di Captain
2026-09-30