Prompt menerangkan satu adegan, bukan tindakan; atau langkah terlalu sedikit pada pakar bunyi tinggi. Tambah kata kerja gerakan dan pergerakan kamera; beri pakar bunyi tinggi separuh langkah.

Trends

.ai

model AI sumber terbuka terbaik

Wan 2.2 video: tetapan teks-ke-video dan imej-ke-video, tetapan dan LoRA

Q: Kehabisan memori pada sampler pertama

fp16 14B weights pada kad 24 GB atau lebih kecil. Pasangan fp8 atau GGUF Q4, kurang bingkai, 480p, --lowvram; atau model 5B.

Q: Pengekodan gagal selepas sampling berjaya

Pengekodan VAE adalah puncak memori untuk video. Pengekodan Wan VAE secara jubin (pilihan tiled pada nod decode), atau kurang bingkai.

Topik: Model video

Oleh Captain

Diterbitkan 2026-05-24

Gambaran keseluruhan

Wan 2.2

adalah keluarga video terbuka Alibaba dan model video yang paling banyak dimuat turun di laman ini. Ia datang sebagai model hibrid teks-dan-imej-ke-video 5B yang dibina untuk kad pengguna (720p pada 8 hingga 12 GB), dan sebagai model teks-ke-video dan imej-ke-video 14B yang menggunakan dua pakar: model bunyi tinggi yang menetapkan gerakan dan komposisi pada langkah pertama dan model bunyi rendah yang menambah butiran pada langkah terakhir. Pasangan 14B menghasilkan keputusan sinematik yang dikongsi orang; model 5B adalah yang sesuai untuk belajar.

Komuniti telah melatih ratusan

Wan

LoRA

: pergerakan kamera (orbit, dolly, crash zoom), gaya gerakan, watak, kesan, dan LoRA lightning / distilasi yang mengurangkan render 30 langkah kepada 4 hingga 8 langkah dengan sedikit kehilangan. Halaman keluarga Wan menyenaraikan mereka mengikut populariti; LoRA lightning hampir selalu berada di atas.

Pilihan hos sesuai untuk video kerana render mengambil masa lama dan memerlukan

VRAM

banyak:

PirateDiffusion

menjalankan aliran kerja Wan dari Telegram dengan /wf /run, dan

BitVector

menyimpan graf Wan yang telah dipasang dengan LoRA yang ada. Kedua-duanya dipautkan dalam kotak Run pada setiap halaman model Wan.

Rujukan

Nama	Jenis	Apakah ia
Wan2.2-TI2V-5B	model	Satu model untuk teks- dan imej-ke-video, 720p pada 24 fps, maksimum 121 bingkai. fp16 10 GB, fp8 5 GB. Kad 8 hingga 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Pakar bunyi tinggi dan bunyi rendah, 14B setiap satu (27B jumlah, 14B aktif). 480p dan 720p. fp8 kira-kira 14 GB setiap satu; GGUF Q4 kira-kira 8 GB setiap satu.
umt5-xxl text encoder	file	fp8 berskala (6 GB) atau fp16 (11 GB). Dikongsi oleh semua model Wan.
Wan 2.1 / 2.2 VAE	file	Model 5B menggunakan VAE 2.2; model 14B menggunakan VAE 2.1. Campuran mereka menghasilkan sampah.
Resolution	setting	480x832 atau 832x480 untuk ujian cepat; 720x1280 / 1280x720 untuk akhir. Gandaan 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 bingkai pada 16 fps adalah lima saat.
Steps / shift / CFG	setting	20 hingga 30 langkah, shift 5 hingga 8, CFG 3.5 hingga 5 tanpa lightning. Dengan LoRA lightning: 4 hingga 8 langkah, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRA berasingan untuk pakar bunyi tinggi dan bunyi rendah; muat setiap satu pada modelnya sendiri. Berat 1.0.
Prompt	text	Subjek, tindakan, kamera, pencahayaan, gaya, dalam urutan itu. Terangkan kata kerja gerakan dengan jelas. Prompt negatif digunakan oleh Wan (berbeza dengan Flux ).

Tiada pemasangan diperlukan - jalankan model AI di awan

BitVector Prism ialah cara paling mudah untuk bermula: pilih model, taip prompt dan jana dalam aplikasi web yang bersih, tanpa apa-apa untuk dikonfigurasi. BitVector juga tersedia di Discord dan di web (SpyGlass).

Cuba BitVector

Langkah demi langkah

Pasang pemuat: teras
ComfyUI
menyokong Wan 2.2; tambah ComfyUI-GGUF untuk fail berkuantisasi. Kemas kini ComfyUI dahulu.
Muat turun mengikut kad anda: 5B fp8 bersama VAE 2.2 dan umt5 fp8 pada 8 hingga 12 GB; pasangan 14B fp8 bersama VAE 2.1 pada 24 GB; pasangan 14B GGUF Q4 pada 12 hingga 16 GB.
Muatkan templat rasmi (Workflow > Browse Templates > Video > Wan 2.2) dan gantikan pemuat dengan fail anda. Untuk GGUF tukar Load Diffusion Model kepada Unet Loader (GGUF).
Untuk 14B: dua nod KSampler Advanced. Yang pertama menjalankan model bunyi tinggi untuk langkah 0 hingga N/2 (kembali dengan bunyi baki), yang kedua menjalankan model bunyi rendah dari N/2 hingga N. Templat sudah menghubungkan ini.
Render pertama: 480x832, 33 bingkai, 20 langkah, CFG 4, shift 8, prompt "seekor corgi berlari di sepanjang pantai waktu matahari terbenam, kamera mengikut di sisi, cahaya keemasan, kedalaman medan cetek". Jangka masa 2 hingga 6 minit.
Tambah LoRA lightning dari halaman keluarga Wan (satu untuk setiap pakar), tetapkan langkah kepada 6 (3 + 3), CFG 1. Render turun kepada kurang dari satu minit pada 480p.
Imej-ke-video: muat pasangan I2V, masukkan gambar ke dalam WanImageToVideo, kekalkan prompt tentang gerakan dan kamera bukan menerangkan gambar.
Akhir: 720p, 81 bingkai, interpolasi ke 32 fps dengan RIFE atau FILM, naik taraf dengan video
upscaler
dari keluarga
Upscalers
jika perlu.
Terlalu perlahan atau terlalu besar: jalankan aliran kerja yang sama pada BitVector, atau pada PirateDiffusion dengan /workflow /show:wan untuk baca medan dan /wf /run:wan prompt anda.

Contoh

Prompt teks-ke-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 imej-ke-video (gerakan sahaja)

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

Petua

Terangkan gerakan dengan kata kerja dan kamera dengan istilah filem (slow dolly in, handheld, static wide shot). Wan mengikuti bahasa kamera dengan sangat baik.
Simpan prompt negatif: yang rasmi menyenaraikan overexposure, statik, butiran kabur, sari kata, kualiti terburuk, jari tambahan, dan ia membantu.
Untuk I2V, hasilkan bingkai pertama dengan Flux,
Qwen
atau
Z-Image
pada nisbah aspek sasaran; imej pegun yang tajam dan terang menghasilkan klip yang lebih baik daripada mana-mana prompt.
Bilangan bingkai lebih mahal daripada resolusi: 81 bingkai pada 480p lebih murah daripada 49 bingkai pada 720p.
LoRA gerakan untuk Wan ditandai mengikut pakar yang disasarkan; LoRA bunyi rendah sahaja menambah butiran, LoRA bunyi tinggi mengubah gerakan.
Seed sangat penting dalam video; kekalkan seed tetap semasa anda laraskan prompt, kemudian ubah untuk penggambaran.
Simpan aliran kerja dengan set LoRA anda sebagai templat; graf Wan panjang dan mudah rosak.

Padankan versi dan saiz; halaman model menyenaraikan kedua-duanya.

Tiada pemasangan diperlukan - jalankan model AI di awan

PirateDiffusion hanya di Telegram dan dibina untuk profesional: beribu-ribu model, LoRA dan aliran kerja yang dipacu oleh arahan sembang, dengan penjanaan tanpa had pada pelan harga tetap.

Cuba PirateDiffusion

Soalan

5B atau 14B?

5B untuk belajar dan untuk kad 8 hingga 12 GB; 14B untuk kualiti jika anda ada 24 GB atau jalankan secara hos. Kedua-duanya guna prompt yang sama.

Berapa lama klip?

Sehingga 81 bingkai (5 s pada 16 fps) untuk 14B dan 121 bingkai (5 s pada 24 fps) untuk 5B setiap render; video lebih panjang disambung dari sambungan bingkai terakhir.