i 720p utan krångliga lösningar. Fullprecision-versionerna av de största modellerna behöver fortfarande 48 till 80 GB, vilket betyder datacenterkort eller molnet.

Video behöver mycket mer minne än bilder eftersom en enda 1024x1024-bild är ungefär en miljon pixlar, medan ett 5-sekundersklipp vid 24 bilder per sekund är 120 bilder: modellen jobbar med mer än hundra gånger så mycket på en gång och måste hålla varje bild konsekvent med sina grannar, så den kan inte göra dem en i taget. Tre saker driver minnesbehovet och de multipliceras: modellstorlek och precision (full, FP8 eller GGUF), upplösning (720p har ungefär 2,25 gånger fler pixlar än 480p) och klippets längd (ungefär proportionellt). En modell som får plats vid 480p för 3 sekunder kan få slut på minne vid 720p för 5 sekunder på samma kort.

Den här guiden täcker öppna viktade videomodeller som du kan ladda ner och köra själv. Siffrorna är praktiska intervall från officiella modellkort och communitytester, kontrollerade 6 oktober 2026; resultaten varierar med ComfyUI-version, arbetsflöde och hur mycket system-RAM som finns tillgängligt för offloading. För bildmodeller, se den kompletterande guiden om VRAM-krav per modell; båda uppdateras varje månad.

Referens

Namn	Typ	Vad det är
Wan 2.1 T2V 1.3B	8 GB: 480p, ~5 s clips \| 12 GB+: comfortable	Alternativet med 8 GB. Cirka 8,19 GB i användning, 480p-utgång, runt 4 minuter per 5-sekundersklipp på en RTX 4090. Kvaliteten är tydligt lägre än de större modellerna. 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)	Text eller bild till 720p vid 24 fps. Alibaba listar 24 GB (en RTX 4090) som minimum vid full precision och under 9 minuter för ett 5-sekunders 720p-klipp. Q8 GGUF är ungefär 5,4 GB; ComfyUI offloadar resten till system-RAM. Apache 2.0.
Wan 2.2 A14B (T2V och 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	Bästa öppna kvaliteten. Mixture of experts: totalt 27B parametrar, 14B aktiva, en expert för de brusiga tidiga stegen och en för detaljer; bara en expert är i VRAM åt gången. FP8 är ungefär 14,3 GB per expert, GGUF Q4-Q5 cirka 10-11 GB. Officiellt krav 80 GB är för full precision utan 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 parametrar, 480p eller 720p med inbyggd uppskalare till 1080p; 80 GB rekommenderas för bästa kvalitet. Inte den ursprungliga HunyuanVideo (13B), som behöver 60-80 GB vid full precision; många äldre guider blandar ihop dem.
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, vikter januari och mars 2026. Video med synkad ljud, upp till 4K, och snabbt: runt 90 sekunder för ett 5-sekundersklipp på en RTX 4090. Avvägningen är minne; Lightricks rekommenderar också 100 GB+ ledigt diskutrymme.
System RAM	32 GB workable minimum \| 64 GB comfortable for 14B models on 12-24 GB cards	Offloading flyttar en del av modellen till vanligt RAM, så systemminnet är viktigare för video än för bilder.
Disk	fast NVMe SSD	Videomodeller är tiotals GB vardera; att ladda från en långsam disk lägger till minuter vid varje modellbyte.
Wan 2.5-3.0, Kling, Veo, Runway, Seedance	API only	Inga nedladdningsbara vikter, så inget VRAM-värde; du betalar per sekund video istället. Wan 2.2 är den nyaste Wan med vikter (från och med oktober 2026).

Video utan ett 24 GB-kort

BitVector Prism kör Wan- och LTX-videomodellerna från den här guiden på sina egna GPU:er: välj modell, ladda upp en bildruta eller skriv en prompt, få klippet i webbläsaren. Inget att installera, ingen offloading.

Prova BitVector

Steg för steg

Kolla ditt VRAM: Windows Aktivitetshanteraren > Prestanda > GPU > Dedikerat GPU-minne; nvidia-smi på Linux. Kolla också system-RAM; 32 GB är lägsta nivån för offloading.
Välj modellraden för ditt kort från tabellen: 8 GB betyder Wan 2.1 1.3B eller Wan 2.2 5B GGUF; 12-16 GB lägger till Wan 2.2 14B GGUF och
HunyuanVideo 1.5
med offloading; 24 GB är det vanliga videokortet (5B full, 14B FP8, LTX-2 FP4); 32 GB kör allt i 720p i FP8.
Ladda ner den precision som modellens sida på den här sajten listar för din nivå (FP8 för 24-32 GB, GGUF Q4-Q5 för 12-16 GB) istället för den ursprungliga BF16.
Börja på 480p och korta klipp (49-81 bilder). Få rörelse och komposition rätt, sen skala upp eller rendera om i 720p. Att gå från 480p till 720p fördubblar ungefär bildminnet, så ett arbetsflöde på 14 GB vid 480p kan behöva 24 GB eller mer vid 720p.
För Wan 2.2 14B på 24 GB, flytta T5/UMT5 textkodaren till system-RAM (CPU-enhet på loadern, eller ComfyUIs automatiska offload). Utan det kan ett 720p-klipp passera 24 GB mitt i.
För allt över 5-6 sekunder, generera i segment och länka dem: sista bilden i ett klipp blir startbilden i nästa. De flesta öppna modeller är anpassade för cirka 5 sekunder och tappar kvalitet efter det.
Om ett klipp fortfarande inte får plats, sänk bildfrekvens före upplösning, använd tiled VAE-dekodning och håll webbläsare och spel borta från GPU:n.
Om du behöver Wan 2.2 14B eller LTX-2 i 720p regelbundet och har mindre än 24 GB, kör dem i molnet:
PirateDiffusion
kör Wan,
LTX
och H3-modeller på server-GPU:er via Telegram;
BitVector
via en webbapp.

Exempel

Wan 2.2 14B bild-till-video på 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 på ett 8-12 GB-kort

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

Samma klipp i molnet

/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)

Tips

Rapporterade tider för ett enda 5-sekundersklipp: Wan 2.1 1.3B 480p cirka 4 minuter på en RTX 4090; Wan 2.2 5B 720p under 9 minuter (officiellt); Wan image-to-video cirka 12,7 minuter på en 4090 jämfört med cirka 7 på en 5090 (ungefär 45 procent snabbare i ett publicerat test); LTX-2 cirka 90 sekunder på en 4090. Offloading kan göra någon av dessa flera gånger långsammare.
Siffran 80 GB som Alibaba anger för Wan 2.2 A14B är för full precision utan offloading; FP8 och GGUF plus textkodaren i system-RAM är hur alla faktiskt kör den.
Två 14B-experter betyder två filer: kolla modellens sida för vilken expert en
LoRA
tränades på (hög brusnivå eller låg brusnivå); att ladda den på fel expert gör inget.
LTX-2 byter minne mot hastighet och ljud; om du får plats med FP8 på 32 GB är det den snabbaste öppna vägen till ett färdigt klipp med ljud.
En 5090 lanserades för 1 999 dollar men såldes för ungefär 4 500-6 000 i oktober 2026 och kan fortfarande inte hålla fullprecision-modellerna. För sporadisk video är det billigare och mycket snabbare att hyra en 48 eller 80 GB GPU per timme, eller en fast molnplan, än att offloada på ett mindre kort.
Wan-, Hunyuan- och LTX-familjesidorna på den här sajten listar varje nedladdningsbar variant med dess filstorlek; en variant behöver sin filstorlek plus 3-4 GB ledigt VRAM för att köra snabbt.

Felsökning

CUDA out of memory mitt i ett 720p-klipp på 24 GB

Varför det händer

Textkodaren är fortfarande i VRAM tillsammans med den aktiva 14B-experten.

Så löser du det

Ladda UMT5-kodaren på CPU:n, eller gå ner till 480p; se guiden för

CUDA out of memory

för full checklista.

Får plats i minnet men tar 40 minuter

Varför det händer

Tung offloading till system-RAM, eller en GGUF Q4 på ett kort som skulle köra FP8.

Så löser du det

Kortare klipp, lägre upplösning eller använd största precision som stannar i minnet; kontrollera att "Shared GPU memory" i Aktivitetshanteraren ligger nära noll.

HunyuanVideo-guiden säger 60-80 GB

Varför det händer

Det handlar om den ursprungliga 13B HunyuanVideo, inte HunyuanVideo 1.5 (8,3B).

Så löser du det

Använd 1.5: cirka 14 GB med offloading, 24 GB bekvämt.

LTX-2 laddas inte på 16 GB

Varför det händer

Endast den destillerade FP8-förhandsvisningspipen får plats; hela modellen behöver 24 GB (FP4) eller 32 GB (FP8).

Så löser du det

Använd den destillerade förhandsvisningen för utkast och rendera finaler på ett större kort eller i molnet.

Långt klipp faller isär efter 6 sekunder

Varför det händer

Öppna modeller är anpassade för cirka 5 sekunder; minne och kvalitet försämras efter det.

Så löser du det

Kedja 5-sekunderssegment från sista bilden; skala upp och interpolera efteråt.

Kan inte hitta Wan 2.5 eller 3.0 vikter

Varför det händer

De är API-endast släpp.

Så löser du det

Wan 2.2 är den nyaste Wan du kan köra lokalt; Wan-familjesidan följer alla ändringar.

Wan 2.2 14B, LTX-2 och H3 från Telegram

PirateDiffusion hostar de stora videomodellerna i full precision och skickar det färdiga klippet till din chatt. Obegränsad generering till fast månadspris, mindre än en månad av 5090 gatupris per år.

Prova PirateDiffusion

Frågor

Kan jag göra AI-video med 8 GB VRAM?

Ja, men bara korta, lågupplösta klipp. Wan 2.1 1.3B gör 480p-klipp på ungefär 8 GB, och Wan 2.2 5B körs som en GGUF-fil med offloading. Wan 2.2 14B, HunyuanVideo och LTX-2 behöver mer.

Räcker 24 GB för AI-video?

För de flesta, ja. Ett 24 GB-kort kör Wan 2.2 5B i full precision, Wan 2.2 14B i FP8 (720p med textkodaren offloadad), HunyuanVideo 1.5 och LTX-2 i FP4. Det är det vanligaste kortet för lokal videoproduktion.

Varför säger Wan 2.2 att den behöver 80 GB?

Det är siffran för 14B-modellen i full precision utan offloading. Med FP8 eller GGUF-filer och textkodaren i system-RAM kör den på 24 GB, och på 12-16 GB långsammare.

Är en RTX 5090 värd det för AI-video?

Om du gör video ofta är de extra 8 GB över en 4090 (32 mot 24) det som ger bekväm 720p med Wan 2.2 14B och FP8 LTX-2, och den är ungefär 45 procent snabbare. Till två till tre gånger lanseringspriset på 1 999 dollar är det billigare att hyra för den som inte genererar video varje dag.

Behöver HunyuanVideo mer VRAM än Wan?

HunyuanVideo 1.5 (8,3B) behöver mindre än Wan 2.2 14B: cirka 14 GB med offloading. Den ursprungliga HunyuanVideo (13B) behöver mycket mer, så kolla vilken version en guide pratar om.