Model
Trends
.ai
Model
Trends
.ai
model AI sumber terbuka terbaik

Berapa Banyak VRAM yang Anda Perlukan untuk Video AI? Wan 2.2, HunyuanVideo 1.5 dan LTX-2 Mengikut Saiz GPU (2026)

Topik: Model video
Oleh P.I. Panda
Diterbitkan 2026-10-06
VRAM yang diperlukan untuk menjalankan Wan 2.2, HunyuanVideo 1.5 dan LTX-2 secara tempatan, mengikut saiz GPU, resolusi dan panjang klip: apa yang kad 8, 12-16, 24, 32 dan 48+ GB boleh buat, kenapa video memerlukan kos seratus kali ganda imej, trik offloading yang membolehkan model 14B muat pada 24 GB, masa penjanaan yang realistik, dan bila sewa lebih baik daripada beli.

Gambaran keseluruhan

Jawapan ringkas: 8 GB cukup untuk klip pendek dan resolusi rendah dengan
Wan 2.1
1.3B atau
Wan 2.2
5B yang telah dikuantisasi. 24 GB adalah titik permulaan sebenar untuk video 720p dengan model terbuka terbaik hari ini. 32 GB boleh jalankan Wan 2.2 14B dan
LTX-2
pada 720p tanpa jalan pintas. Versi ketepatan penuh model terbesar masih perlukan 48 hingga 80 GB, bermakna kad pusat data atau awan.
Video perlukan banyak memori berbanding imej kerana satu imej 1024x1024 ada kira-kira satu juta piksel, manakala klip 5 saat pada 24 bingkai sesaat ada 120 bingkai: model bekerja pada lebih seratus kali ganda data sekali gus, dan perlu pastikan setiap bingkai konsisten dengan jiran-jirannya, jadi ia tak boleh buat satu per satu. Tiga perkara yang mempengaruhi memori dan ia berganda: saiz dan ketepatan model (penuh, FP8 atau GGUF), resolusi (720p ada kira-kira 2.25 kali piksel 480p) dan panjang klip (secara kasar berkadar). Model yang muat pada 480p untuk 3 saat boleh kehabisan memori pada 720p untuk 5 saat pada kad yang sama.
Panduan ini merangkumi model video berat terbuka yang anda boleh muat turun dan jalankan sendiri. Angka adalah julat praktikal dari kad model rasmi dan ujian komuniti, disemak pada 6 Oktober 2026; keputusan berbeza ikut versi
ComfyUI
, aliran kerja dan berapa banyak RAM sistem tersedia untuk offloading. Untuk model imej, lihat panduan berkaitan keperluan
VRAM
mengikut model; kedua-duanya dikemas kini setiap bulan.

Rujukan

Nama
Jenis
Apakah ia
Wan 2.1 T2V 1.3B
8 GB: 480p, ~5 s clips | 12 GB+: comfortable
Pilihan 8 GB. Sekitar 8.19 GB digunakan, output 480p, kira-kira 4 minit untuk klip 5 saat pada RTX 4090. Kualiti jelas lebih rendah daripada model lebih besar. 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)
Teks atau imej ke 720p pada 24 fps. Alibaba senaraikan 24 GB (RTX 4090) sebagai minimum ketepatan penuh dan kurang 9 minit untuk klip 5 saat 720p. Q8 GGUF sekitar 5.4 GB; ComfyUI offload selebihnya ke RAM sistem. Apache 2.0.
Wan 2.2 A14B (T2V dan 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
Kualiti terbuka terbaik. Campuran pakar: 27B parameter total, 14B aktif, satu pakar untuk langkah awal bising dan satu untuk detail; hanya satu pakar dalam VRAM pada satu masa. FP8 sekitar 14.3 GB setiap pakar, GGUF Q4-Q5 sekitar 10-11 GB. Keperluan rasmi 80 GB untuk ketepatan penuh tanpa 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, November 2025, 8.3B parameter, 480p atau 720p dengan
upscaler
terbina dalam ke 1080p; 80 GB disyorkan untuk kualiti terbaik. Bukan
HunyuanVideo
asal (13B), yang perlukan 60-80 GB ketepatan penuh; banyak panduan lama campur aduk dua versi ini.
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, berat Januari dan Mac 2026. Video dengan audio segerak, sehingga 4K, dan pantas: sekitar 90 saat untuk klip 5 saat pada RTX 4090. Pertukaran adalah memori; Lightricks juga syorkan 100 GB+ ruang cakera kosong.
System RAM
32 GB workable minimum | 64 GB comfortable for 14B models on 12-24 GB cards
Offloading pindahkan sebahagian model ke RAM biasa, jadi memori sistem lebih penting untuk video berbanding imej.
Disk
fast NVMe SSD
Model video saiz puluhan GB setiap satu; muat dari cakera perlahan tambah minit setiap tukar model.
Wan 2.5-3.0, Kling, Veo, Runway, Seedance
API only
Tiada berat boleh muat turun, jadi tiada angka VRAM; anda bayar ikut saat video. Wan 2.2 adalah
Wan
terbaru dengan berat (setakat Oktober 2026).
AD
Video tanpa kad 24 GB
BitVector Prism jalankan model video Wan dan LTX dari panduan ini pada GPU sendiri: pilih model, muat naik bingkai atau taip prompt, dapatkan klip dalam pelayar. Tiada pemasangan, tiada offloading.

Langkah demi langkah

  1. Semak VRAM anda: Windows Task Manager > Performance > GPU > Dedicated GPU memory; nvidia-smi pada Linux. Semak juga RAM sistem; 32 GB adalah minimum untuk offloading.
  2. Pilih baris model untuk kad anda dari jadual: 8 GB bermakna Wan 2.1 1.3B atau Wan 2.2 5B GGUF; 12-16 GB tambah Wan 2.2 14B GGUF dan HunyuanVideo 1.5 dengan offloading; 24 GB adalah kad video biasa (5B penuh, 14B FP8, LTX-2 FP4); 32 GB jalankan semua pada 720p dalam FP8.
  3. Muat turun ketepatan yang disenaraikan pada halaman model untuk tahap anda (FP8 untuk 24-32 GB, GGUF Q4-Q5 untuk 12-16 GB) bukan BF16 asal.
  4. Mula pada 480p dan klip pendek (49-81 bingkai). Betulkan gerakan dan komposisi, kemudian naikkan resolusi atau render semula pada 720p. Dari 480p ke 720p kira-kira gandakan memori bingkai, jadi aliran kerja pada 14 GB 480p mungkin perlukan 24 GB atau lebih pada 720p.
  5. Untuk Wan 2.2 14B pada 24 GB, pindahkan pengekod teks T5/UMT5 ke RAM sistem (peranti CPU pada pemuat, atau offload automatik ComfyUI). Tanpanya klip 720p boleh melebihi 24 GB separuh jalan.
  6. Untuk apa-apa lebih dari 5-6 saat, jana dalam segmen dan sambungkan: bingkai terakhir satu klip jadi imej mula klip seterusnya. Kebanyakan model terbuka disesuaikan untuk kira-kira 5 saat dan kualiti merosot selepas itu.
  7. Jika klip masih tidak muat, turunkan bingkai sebelum resolusi, guna dekod VAE bertiles, dan tutup pelayar serta permainan dari GPU.
  8. Jika anda perlukan Wan 2.2 14B atau LTX-2 pada 720p selalu dan ada kurang dari 24 GB, jalankan di awan:
    PirateDiffusion
    jalankan model Wan,
    LTX
    dan H3 pada GPU server dari Telegram;
    BitVector
    dari aplikasi web.

Contoh

Wan 2.2 14B imej-ke-video pada 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 pada kad 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

Klip yang sama di awan

/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)

Petua

  • Masa dilaporkan untuk satu klip 5 saat: Wan 2.1 1.3B 480p sekitar 4 minit pada RTX 4090; Wan 2.2 5B 720p kurang 9 minit (rasmi); Wan imej-ke-video sekitar 12.7 minit pada 4090 berbanding kira-kira 7 pada 5090 (sekitar 45 peratus lebih cepat dalam satu ujian diterbitkan); LTX-2 sekitar 90 saat pada 4090. Offloading boleh buat mana-mana ini beberapa kali lebih perlahan.
  • Angka 80 GB Alibaba bagi Wan 2.2 A14B adalah untuk ketepatan penuh tanpa offloading; FP8 dan GGUF plus pengekod teks di RAM sistem adalah cara semua orang jalankan sebenarnya.
  • Dua pakar 14B bermakna dua fail: semak halaman model untuk pakar mana
    LoRA
    dilatih (bunyi tinggi atau rendah); muat pada yang salah tak beri kesan.
  • LTX-2 tukar memori untuk kelajuan dan audio; jika boleh muat FP8 pada 32 GB ia laluan terbuka terpantas ke klip siap dengan bunyi.
  • 5090 dilancarkan pada 1,999 dolar tapi dijual sekitar 4,500-6,000 pada Oktober 2026 dan masih tak boleh muat model ketepatan penuh. Untuk video sekali-sekala, sewa GPU 48 atau 80 GB ikut jam, atau pelan awan kadar tetap, lebih murah dan jauh lebih cepat daripada offloading pada kad kecil.
  • Halaman keluarga Wan, Hunyuan dan LTX di laman ini senaraikan setiap varian boleh muat turun dengan saiz failnya; varian perlukan saiz fail plus 3-4 GB kosong dalam VRAM untuk jalankan dengan laju.

Penyelesaian masalah

CUDA kehabisan memori separuh jalan klip 720p pada 24 GB

Mengapa ia berlaku
Pengekod teks masih dalam VRAM bersama pakar 14B aktif.

Cara membaikinya
Muat pengekod UMT5 pada CPU, atau turunkan ke 480p; lihat panduan
CUDA out of memory
untuk senarai penuh.

Muat dalam memori tapi ambil 40 minit

Mengapa ia berlaku
Offloading berat ke RAM sistem, atau GGUF Q4 pada kad yang boleh jalankan FP8.

Cara membaikinya
Pendekkan klip, turunkan resolusi, atau guna ketepatan terbesar yang kekal dalam memori; semak "Shared GPU memory" dalam Task Manager kekal hampir sifar.

Panduan HunyuanVideo kata 60-80 GB

Mengapa ia berlaku
Ia terangkan HunyuanVideo asal 13B, bukan HunyuanVideo 1.5 (8.3B).

Cara membaikinya
Guna 1.5: sekitar 14 GB dengan offloading, 24 GB selesa.

LTX-2 tak boleh muat pada 16 GB

Mengapa ia berlaku
Hanya saluran pratonton FP8 distilasi muat; model penuh perlukan 24 GB (FP4) atau 32 GB (FP8).

Cara membaikinya
Guna pratonton distilasi untuk draf dan render akhir pada kad lebih besar atau awan.

Klip panjang rosak selepas 6 saat

Mengapa ia berlaku
Model terbuka disesuaikan untuk kira-kira 5 saat; memori dan kualiti merosot selepas itu.

Cara membaikinya
Sambungkan segmen 5 saat dari bingkai terakhir; naikkan resolusi dan interpolasi kemudian.

Tak jumpa berat Wan 2.5 atau 3.0

Mengapa ia berlaku
Mereka hanya keluaran API.

Cara membaikinya
Wan 2.2 adalah Wan terbaru yang boleh anda jalankan secara tempatan; halaman keluarga Wan jejak sebarang perubahan.

AD
PirateDiffusion
Wan 2.2 14B, LTX-2 dan H3 dari Telegram
PirateDiffusion hos model video besar ketepatan penuh dan hantar klip siap ke chat anda. Penjanaan tanpa had dengan harga bulanan tetap, kurang dari harga jalan 5090 sebulan setahun.

Soalan

Bolehkah saya buat video AI dengan 8 GB VRAM?

Boleh, tapi hanya klip pendek dan resolusi rendah. Wan 2.1 1.3B buat klip 480p dalam kira-kira 8 GB, dan Wan 2.2 5B jalankan sebagai fail GGUF dengan offloading. Wan 2.2 14B, HunyuanVideo dan LTX-2 perlukan lebih banyak.

Adakah 24 GB cukup untuk video AI?

Untuk kebanyakan orang, ya. Kad 24 GB jalankan Wan 2.2 5B ketepatan penuh, Wan 2.2 14B dalam FP8 (720p dengan pengekod teks di offload), HunyuanVideo 1.5 dan LTX-2 dalam FP4. Ia kad paling biasa untuk kerja video tempatan.

Kenapa Wan 2.2 kata perlukan 80 GB?

Itu angka untuk model 14B ketepatan penuh tanpa offloading. Dengan fail FP8 atau GGUF dan pengekod teks di RAM sistem ia boleh jalan pada 24 GB, dan pada 12-16 GB lebih perlahan.

Adakah RTX 5090 berbaloi untuk video AI?

Kalau buat video selalu, tambahan 8 GB berbanding 4090 (32 berbanding 24) bagi keselesaan 720p dengan Wan 2.2 14B dan FP8 LTX-2, dan ia sekitar 45 peratus lebih pantas. Pada dua hingga tiga kali harga pelancaran 1,999 dolar, sewa lebih murah untuk sesiapa yang tak buat video setiap hari.

Adakah HunyuanVideo perlukan lebih VRAM daripada Wan?

HunyuanVideo 1.5 (8.3B) perlukan kurang daripada Wan 2.2 14B: kira-kira 14 GB dengan offloading. HunyuanVideo asal (13B) perlukan jauh lebih banyak, jadi semak versi mana panduan itu bercakap.

Berapa banyak RAM sistem?

32 GB adalah minimum boleh guna untuk Wan 2.2 dan HunyuanVideo dengan offloading; 64 GB selesa untuk model 14B pada kad 12-24 GB.

Pautan dan sumber

Model dalam panduan ini

Ditulis oleh
P.I. Panda

Panduan berkaitan

Ralat & penyelesaian
Keperluan VRAM untuk setiap model imej dan video AI popular (2026): ketepatan penuh, FP8 dan GGUF
Berapa banyak VRAM yang anda perlukan untuk SD 1.5, SDXL, SD 3.5, Z-Image Turbo, FLUX.1, FLUX.2 Klein dan Dev, Qwen-Image, Wan 2.2, HunyuanVideo 1.5 dan LTX-2, pada ketepatan penuh, FP8 dan 4-bit GGUF, dengan kad dan lesen yang sesuai untuk setiap satu, apa yang boleh dijalankan oleh setiap saiz GPU dari 8 hingga 48 GB, dan susunan pembaikan apabila model tidak muat.
Oleh P.I. Panda
2026-10-06
Model video
Wan 2.2 video: tetapan teks-ke-video dan imej-ke-video, tetapan dan LoRA
Mendapatkan keputusan pertama dari Wan 2.2: saiz model mana yang perlu dipilih (5B atau 14B), pasangan pakar bunyi tinggi / bunyi rendah, resolusi dan bilangan bingkai yang berfungsi, LoRA lightning yang memendekkan render kepada empat langkah, struktur prompt untuk gerakan, dan cara menjalankannya secara hos apabila kad terlalu kecil.
Oleh Captain
2026-05-24
Ralat & penyelesaian
CUDA kehabisan memori: berapa banyak VRAM yang diperlukan setiap model AI dan cara memuatkannya
Jadual VRAM untuk SD 1.5, SDXL, Flux, FLUX.2, Qwen-Image, Z-Image, Wan 2.2 dan HunyuanVideo, serta teknik yang membuat model muat: kuantisasi fp8 dan GGUF, pemindahan CPU, VAE berjubin, had resolusi dan bingkai, dan bila perlu berhenti berusaha dan gunakan yang dihoskan.
Oleh Captain
2026-05-18
Ralat & penyelesaian
Panduan GPU dan VRAM untuk imej dan video AI: apa yang setiap model perlukan dan apa yang patut dibeli (atau tidak)
Berapa banyak memori grafik yang benar-benar diperlukan oleh setiap keluarga model pada kelajuan yang boleh digunakan (SD 1.5, SDXL, Flux, FLUX.2, Qwen Image, Z-Image, Wan 2.2, LTX-2, H3), apa yang fp8 dan kuantisasi GGUF berikan, kenapa RAM sistem dan cakera juga penting, senarai tahap kad dari 8 hingga 32 GB, nota Mac dan AMD, dan bila sewa lebih murah daripada beli.
Oleh Quartermaster
2026-01-07
Model
LTX 2.3 Crisp Enhance: detail video lebih tajam dan sinematik
Crisp Enhance LoRA oleh vrgamedevgirl untuk LTX 2.3 tingkatkan ketajaman, detail mikro dan kontras dalam video yang dijana. Pelajari cara seimbangkan dengan Soft Enhance, berat dan idea prompt.
Oleh Captain
2026-10-03
Perkhidmatan awan
PirateDiffusion: jalankan mana-mana model dari Telegram, tiada GPU diperlukan
Perintah penting dalam bot Telegram PirateDiffusion: /render dengan kata pencetus model, pemberatan (( )) dan [[ ]], #recipes, /adetailer, peningkatan /highdef dan /facelift, /remix, /inpaint, aliran kerja ComfyUI dengan /wf /run:, dan kemahiran baru // yang memilih model untuk kamu.
Oleh Captain
2026-10-03

Lagi panduan

Model
FLUX.1 Dev: cara memberi arahan, tetapan terbaik dan idea kreatif
Panduan praktikal untuk FLUX.1 Dev oleh Black Forest Labs: cara memberi arahan dalam bahasa biasa, tetapan panduan dan langkah, penumpukan LoRA, rendering teks dan idea arahan yang memanfaatkan kekuatannya.
Oleh Captain
2026-09-30
Model
Stable Diffusion XL 1.0: prompt, tetapan dan apa yang masih terbaik
Cara untuk dapatkan hasil terbaik dari model asas rasmi SDXL 1.0: resolusi asli, tetapan CFG dan sampler, refiner, prompt negatif dan idea gaya di mana SDXL masih menonjol.
Oleh Captain
2026-10-01
Model
Stable Diffusion 1.5: model klasik, dipandu dengan betul
Stable Diffusion 1.5 masih patut diketahui: resolusi yang betul, CFG dan sampler, cara guna perpustakaan besar LoRA dan embeddingnya, serta idea prompt kreatif yang sesuai untuk model 512-piksel.
Oleh Captain
2026-10-02
Model
FLUX.2 Dev: memicu model terbaru Black Forest Labs
FLUX.2 Dev membawa prompt yang lebih panjang, teks yang lebih baik, realisme yang lebih kuat dan penyuntingan multi-rujukan. Panduan ini merangkumi aliran kerja turbo, tetapan panduan dan resolusi, struktur prompt dan idea yang menggunakan kekuatan barunya.
Oleh Captain
2026-10-03
Model
Qwen-Image: arahan panjang, teks sempurna dan poster dwibahasa
Qwen-Image adalah model yang sesuai bila perkataan dalam gambar penting. Pelajari cara menulis arahan panjang yang terperinci, hasilkan teks Inggeris dan Cina dengan tepat, tetapkan CFG dan langkah, serta terokai idea kreatif yang berat pada susun atur.
Oleh Captain
2026-09-29
Model
SDXL-Lightning: penjanaan empat langkah pada mana-mana checkpoint SDXL
LoRA SDXL-Lightning dari ByteDance menukar render SDXL 30 langkah menjadi hanya 4 langkah. Ketahui bilangan langkah, CFG yang perlu digunakan, sampler, dan cara gabungkan dengan checkpoint dan LoRA gaya kegemaran kamu.
Oleh Captain
2026-09-30