.ai

model AI sumber terbuka terbaik

Cari

Penjanaan video AI untuk pemula: imej-ke-video, teks-ke-video dan klip pertama dengan Wan, LTX-2 dan H3

Q: Kamera melompat atau pemandangan terpotong

Dua arahan kamera, atau kata "potong ke" dalam arahan. Satu gerakan kamera; letak "potongan lompat" dalam negatif.

Q: Kehabisan memori pada 720p

Bingkai kali resolusi melebihi VRAM. Turun ke 480p atau kurang bingkai, alihkan pengekod teks; lihat panduan VRAM untuk video AI.

Q: LoRA gerakan tidak berfungsi

Dimuat pada pakar salah atau saiz model salah. Semak halaman model untuk 5B/14B dan bunyi tinggi/rendah; muat ikut kata pencetusnya.

Topik: Model video

Oleh Lookout

Diterbitkan 2026-04-29

Minggu pertama dengan model video terbuka: perbezaan antara teks-ke-video dan imej-ke-video dan kenapa mula dengan yang kedua, tiga keluarga model yang patut dipelajari (Wan 2.2, LTX-2, MiniMax H3), bilangan bingkai dan resolusi yang sesuai, cara menulis arahan gerakan, apa yang boleh dijangka dari kad 16 atau 24 GB berbanding awan, dan cara mengubah klip lima saat menjadi sesuatu yang lebih panjang.

Gambaran keseluruhan

Model video adalah model imej dengan paksi masa: gelung denoising yang sama dijalankan pada sekumpulan bingkai sekaligus, jadi semua yang kamu tahu tentang arahan, benih dan denoise boleh digunakan, begitu juga kosnya, didarab dengan bilangan bingkai. Akibat praktikal untuk pemula ada tiga. Mula dengan imej-ke-video (I2V), sebab imej yang baik dari model imej menetapkan komposisi dan gaya dan model video hanya perlu cipta gerakan. Simpan klip pendek (kira-kira lima saat), sebab itulah yang model dilatih. Dan jangka untuk jalankan model besar di awan kecuali kamu ada kad 24 GB.

Tiga keluarga terbuka meliputi kebanyakan keperluan pada 2026.

Wan 2.2

(Alibaba) adalah serba boleh: model 5B yang berjalan pada 12-16 GB dan model dua-pakar 14B dengan kualiti terbuka terbaik, plus ekosistem

LoRA

besar untuk gerakan dan gaya.

LTX-2

(Lightricks) pantas dan hasilkan audio segerak tapi perlukan 24-32 GB.

MiniMax H3

adalah model audio-video dengan dialog dan kesan bunyi, biasanya digunakan melalui aliran kerja hos; panduan arahan H3 oleh Mark White di laman ini mendalam tentangnya.

Hunyuan

Video 1.5 adalah alternatif ringan kepada

Wan

14B.

Katalog menyenaraikan setiap model video dan LoRA mereka dengan asas dan saiz sasaran (5B atau 14B, pakar bunyi tinggi atau rendah), dan halaman model tunjuk klip contoh dengan arahan mereka. Butang Run buka model di

PirateDiffusion

, di mana arahan aliran kerja hasilkan klip dari balasan kepada imej kamu, atau di

BitVector

Rujukan

Nama	Jenis	Apakah ia
I2V (image to video)	mode	Animasi imej pegun. Mod terbaik untuk mula: komposisi sudah betul; arahan hanya terangkan gerakan.
T2V (text to video)	mode	Dari arahan sahaja. Lebih variasi, kurang kawalan; guna untuk idea dan B-roll.
FLF2V / first-last frame	mode	Dua bingkai utama; model isi gerakan di antara. Peralihan terkawal.
Frames and fps	setting	Wan: 81 bingkai pada 16 fps (5 s); LTX-2: 97-121 bingkai pada 24-25 fps; H3: 145 bingkai pada ~24 fps. Memori bertambah ikut bingkai.
Resolution	setting	Wan 2.2: 832x480 atau 480x832 (pantas), 1280x720 (24 GB+); LTX-2 sehingga 1080p+ dengan 32 GB. Potret untuk orang, landskap untuk pemandangan.
Motion prompt	prompt	Satu gerakan subjek plus satu gerakan kamera: "dia berpaling ke tingkap dan tersenyum; tolak perlahan". Elak senaraikan butiran pemandangan yang sudah ada dalam imej.
Steps / CFG / shift	setting	Wan 2.2 14B: 20 langkah dibahagi 10/10 antara pakar, CFG 3.5, shift 5; 5B: 20-30 langkah, CFG 5; LTX-2: 25-30 langkah dengan jadual sendiri; LoRA terdistilasi (lightx2v) bawa Wan ke 4-8 langkah pada CFG 1.
Motion LoRAs	file	Gerakan kamera, tarian, isyarat, fizik; padan dengan 5B/14B dan pakar. Halaman di sini namakan sasaran.
Interpolation and upscale	post	RIFE atau FILM ke 32-60 fps; ESRGAN bingkai demi bingkai atau SeedVR untuk resolusi.

Klip pertama kamu tanpa GPU

BitVector Prism animasikan imej pegun dengan model Wan dari panduan ini dalam pelayar: muat naik imej, tulis ayat gerakan, muat turun klip. Tiada pemasangan, boleh guna dari laptop.

Cuba BitVector

Langkah demi langkah

Buat atau pilih imej pegun: render 1024x1024 atau 832x1216 dengan subjek jelas dan latar belakang ringkas. Muka lebih besar dari sepersepuluh bingkai animasi terbaik.
Buka halaman model Wan 2.2 I2V di laman ini, salin pola arahan gerakan contoh, dan tekan butang Run (PirateDiffusion: balas imej kamu dengan arahan /workflow; BitVector: muat naik dan pilih model).
Tulis arahan gerakan satu ayat untuk subjek dan satu untuk kamera. Jangan sebut pakaian, warna atau pencahayaan; imej sudah ada itu.
Jana pada 832x480 (landskap) atau 480x832 (potret), 81 bingkai, langkah lalai. Tonton keseluruhan klip; nilai gerakan, bukan ketajaman.
Ulang pada arahan gerakan sahaja: kata kerja lebih perlahan ("perlahan", "lembut") kurangkan gerakan liar; satu arahan kamera elak lompatan.
Secara tempatan, dengan kad 16 GB:
Wan 2.2 5B
fp8 atau GGUF, 832x480, 49-81 bingkai, pengekod teks pada CPU. Dengan 24 GB: 14B fp8 pada 480p, 720p dengan pengekod dialihkan. Lihat panduan
VRAM
untuk video AI.
Klip lebih panjang: ambil bingkai terakhir klip satu sebagai imej mula klip dua dengan arahan gerakan berterusan; gabung dalam editor; interpolasi ke 30 fps dan naikkan resolusi di akhir.
Tambah bunyi: LTX-2 dan H3 hasilkan audio dengan klip; untuk Wan, tambah muzik atau kesan dalam editor.

Contoh

Arahan gerakan untuk I2V

Positive: she lifts the coffee cup, takes a sip and looks out of the window; slow push-in, shallow depth of field, natural motion

Negative (Wan): static, blurry, distorted face, extra fingers, jump cut, text

Arahan aliran kerja PirateDiffusion

/workflow /run:wan22-i2v she lifts the coffee cup and looks out of the window, slow push-in /length:81 (as a reply to the still)

ComfyUI Wan 2.2 5B pada 16 GB

Petua

Kata kerja gerakan lebih penting dari kata sifat: "berpaling, berjalan, angkat, tuang, melambai" setiap satu hasilkan gerakan berbeza dan boleh dipercayai; "cantik sinematik" tak hasil apa-apa.
Satu gerakan kamera setiap klip: tolak masuk, tarik keluar, pusing kiri, orbit. Dua gerakan bagi kesan goyang.
Imej potret animasi muka lebih baik; imej landskap animasi persekitaran lebih baik.
Wan LoRA untuk pakar bunyi tinggi bentuk gerakan; yang bunyi rendah bentuk butiran. Banyak pek ada kedua-duanya; muat setiap satu pada pakarnya.
LoRA terdistilasi (lightx2v, FastWan) potong Wan dari 20 langkah ke 4-6 pada CFG 1 dengan sedikit kehilangan kualiti; halaman model senaraikan mereka.
Jangka 3-10 minit setiap klip pada 4090 untuk Wan 14B dan kira-kira 90 saat untuk LTX-2; awan pulangkan kebanyakan klip dalam satu atau dua minit.

Semak halaman model untuk 5B/14B dan bunyi tinggi/rendah; muat ikut kata pencetusnya.

Wan 2.2 14B, LTX-2 dan H3 dari Telegram

PirateDiffusion jalankan model video besar pada GPU server: balas mana-mana imej dengan arahan aliran kerja dan klip akan kembali dalam chat. Penjanaan tanpa had dengan harga tetap, tak perlu kad 24 GB.