Wan 2.2 S2V anima un hablante desde audio pero no genera sonido; LTX-2 y MiniMax H3 generan audio con el video (sus guías están en este sitio).

El prompt describe una escena, no una acción; o pocos pasos en el experto de alto ruido. Añade verbos de movimiento y movimientos de cámara; da la mitad de pasos al experto de alto ruido.

Trends

los mejores modelos de IA de código abierto

Wan 2.2 video: configuración, ajustes y LoRAs para texto a video y imagen a video

Q: Falta de memoria en el primer sampler

Pesos fp16 14B en una tarjeta de 24 GB o menos. Par fp8 o GGUF Q4, menos cuadros, 480p, --lowvram; o el modelo 5B.

Tema: Modelos de vídeo

Por Captain

Publicado el 2026-05-24

Primeros resultados con Wan 2.2: qué tamaño de modelo elegir (5B o 14B), el par de expertos de alto ruido / bajo ruido, resoluciones y cantidad de cuadros que funcionan, los LoRAs lightning que reducen renders a cuatro pasos, estructura del prompt para movimiento y cómo usarlo en hosting cuando la tarjeta es pequeña.

Resumen

Wan 2.2

es la familia de video abierta de Alibaba y el modelo de video más descargado en este sitio. Viene como un modelo híbrido de texto e imagen a video de 5B diseñado para tarjetas de consumidor (720p en 8 a 12 GB), y como modelos de texto a video e imagen a video de 14B que usan dos expertos: un modelo de alto ruido que define el movimiento y la composición en los primeros pasos y un modelo de bajo ruido que añade detalle en los últimos pasos. El par de 14B produce los resultados cinematográficos que la gente comparte; el modelo de 5B es el ideal para aprender.

La comunidad ha entrenado cientos de

LoRAs

para

Wan

: movimientos de cámara (órbita, dolly, zoom rápido), estilos de movimiento, personajes, efectos y los LoRAs lightning / de destilación que reducen renders de 30 pasos a 4 a 8 pasos con poca pérdida. La página de la familia Wan los ordena por popularidad; los LoRAs lightning casi siempre están arriba.

Las opciones en hosting son ideales para video porque los renders son largos y consumen mucha

VRAM

PirateDiffusion

ejecuta flujos de trabajo Wan desde Telegram con /wf /run, y

BitVector

mantiene los gráficos Wan preinstalados con los LoRAs listos. Ambos están enlazados en el recuadro de ejecución de cada página de modelo Wan.

Referencia

Nombre	Tipo	Qué es
Wan2.2-TI2V-5B	model	Un modelo para texto e imagen a video, 720p a 24 fps, máximo 121 cuadros. fp16 10 GB, fp8 5 GB. Tarjetas de 8 a 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Expertos de alto ruido y bajo ruido, 14B cada uno (27B total, 14B activos). 480p y 720p. fp8 unos 14 GB cada uno; GGUF Q4 unos 8 GB cada uno.
umt5-xxl text encoder	file	fp8 escalado (6 GB) o fp16 (11 GB). Compartido por todos los modelos Wan.
Wan 2.1 / 2.2 VAE	file	El modelo 5B usa el VAE 2.2; los modelos 14B usan el VAE 2.1. Mezclarlos da basura.
Resolution	setting	480x832 o 832x480 para pruebas rápidas; 720x1280 / 1280x720 para finales. Múltiplos de 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 cuadros a 16 fps son cinco segundos.
Steps / shift / CFG	setting	20 a 30 pasos, shift 5 a 8, CFG 3.5 a 5 sin lightning. Con LoRAs lightning: 4 a 8 pasos, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRAs separados para los expertos de alto ruido y bajo ruido; cargar cada uno en su modelo. Peso 1.0.
Prompt	text	Sujeto, acción, cámara, iluminación, estilo, en ese orden. Describe los verbos de movimiento explícitamente. Wan usa prompt negativo (a diferencia de Flux ).

Sin instalación: ejecuta modelos de IA en la nube

BitVector Prism es la forma más fácil de empezar: elige un modelo, escribe un prompt y genera en una aplicación web limpia, sin configurar nada. BitVector también está disponible en Discord y en la web (SpyGlass).

Probar BitVector

Paso a paso

Instala los cargadores:
ComfyUI
core soporta Wan 2.2; añade ComfyUI-GGUF para archivos cuantizados. Actualiza ComfyUI primero.
Descarga según tu tarjeta: 5B fp8 más el VAE 2.2 y umt5 fp8 en 8 a 12 GB; el par 14B fp8 más el VAE 2.1 en 24 GB; el par 14B GGUF Q4 en 12 a 16 GB.
Carga la plantilla oficial (Workflow > Browse Templates > Video > Wan 2.2) y reemplaza los cargadores con tus archivos. Para GGUF cambia Load Diffusion Model por Unet Loader (GGUF).
Para 14B: dos nodos KSampler Advanced. El primero ejecuta el modelo de alto ruido de pasos 0 a N/2 (devuelve con ruido sobrante), el segundo ejecuta el modelo de bajo ruido de N/2 a N. La plantilla ya conecta esto.
Primer render: 480x832, 33 cuadros, 20 pasos, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Espera de 2 a 6 minutos.
Añade los LoRAs lightning desde la página de la familia Wan (uno para cada experto), pon pasos a 6 (3 + 3), CFG 1. Los renders bajan a menos de un minuto a 480p.
Imagen a video: carga el par I2V, alimenta la imagen en WanImageToVideo, mantén el prompt sobre movimiento y cámara en vez de describir la imagen.
Finales: 720p, 81 cuadros, interpola a 32 fps con RIFE o FILM, mejora con un escalador de video de la familia
Upscalers
si hace falta.
Muy lento o muy grande: ejecuta el mismo flujo en BitVector, o en PirateDiffusion con /workflow /show:wan para ver los campos y /wf /run:wan tu prompt.

Ejemplos

Prompt de texto a 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 de imagen a video (solo movimiento)

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

Consejos

Describe el movimiento con verbos y la cámara con términos de cine (dolly lento hacia adentro, cámara en mano, plano amplio estático). Wan sigue el lenguaje de cámara muy bien.
Mantén el prompt negativo: el oficial lista sobreexposición, estático, detalles borrosos, subtítulos, peor calidad, dedos extra, y ayuda bastante.
Para I2V, genera el primer cuadro con Flux,
Qwen
o
Z-Image
en la relación de aspecto objetivo; una imagen fija nítida y bien iluminada produce un clip mejor que cualquier prompt.
La cantidad de cuadros cuesta más que la resolución: 81 cuadros a 480p es más barato que 49 cuadros a 720p.
Los LoRAs de movimiento para Wan están etiquetados según el experto al que apuntan; un LoRA solo de bajo ruido añade detalle, un LoRA de alto ruido cambia el movimiento.
La semilla importa mucho en video; mantenla fija mientras ajustas el prompt, luego cámbiala para diferentes tomas.
Guarda el flujo de trabajo con tu conjunto de LoRAs como plantilla; los gráficos Wan son largos y fáciles de romper.

Coincide versión y tamaño; la página del modelo los nombra.

Sin instalación: ejecuta modelos de IA en la nube

PirateDiffusion es solo para Telegram y está pensado para profesionales: miles de modelos, LoRAs y workflows mediante comandos de chat, con generación ilimitada a precio fijo.

Probar PirateDiffusion

Preguntas

¿5B o 14B?

5B para aprender y para tarjetas de 8 a 12 GB; 14B para calidad si tienes 24 GB o usas hosting. Ambos usan los mismos prompts.

¿Cuánto dura un clip?

Hasta 81 cuadros (5 s a 16 fps) para 14B y 121 cuadros (5 s a 24 fps) para 5B por render; videos más largos se unen con continuaciones del último cuadro.