Wan 2.2 video: thiết lập, cài đặt và LoRA cho text-to-video và image-to-video

Q: Hết bộ nhớ khi sampler đầu tiên chạy

fp16 14B trên card 24 GB hoặc nhỏ hơn. Dùng cặp fp8 hoặc GGUF Q4, giảm số khung, 480p, --lowvram; hoặc model 5B.

Q: Giải mã thất bại sau khi sampling thành công

Giải mã VAE là điểm cao nhất về bộ nhớ cho video. Giải mã VAE Wan theo ô (tùy chọn tiled trên node decode), hoặc giảm số khung.

Chủ đề: Mô hình video

Bởi Captain

Đăng ngày 2026-05-24

Tổng quan

Wan 2.2

là dòng video mở của Alibaba và là model video được tải nhiều nhất trên trang này. Nó có bản hybrid 5B cho text và image-to-video, thiết kế cho card phổ thông (720p trên 8 đến 12 GB), và bản 14B cho text-to-video và image-to-video dùng hai chuyên gia: một model nhiễu cao để tạo chuyển động và bố cục ở các bước đầu, và một model nhiễu thấp để thêm chi tiết ở các bước cuối. Cặp 14B tạo ra kết quả điện ảnh mà mọi người hay chia sẻ; model 5B là để học.

Cộng đồng đã huấn luyện hàng trăm

LoRA

cho

Wan

: chuyển động camera (quay vòng, dolly, zoom nhanh), phong cách chuyển động, nhân vật, hiệu ứng, và các LoRA lightning / distillation giúp giảm render 30 bước xuống còn 4 đến 8 bước mà gần như không mất chất lượng. Trang Wan family xếp hạng chúng theo độ hot; các LoRA lightning gần như luôn đứng đầu.

Các lựa chọn host rất phù hợp cho video vì render lâu và tốn

VRAM

PirateDiffusion

chạy quy trình Wan từ Telegram với lệnh /wf /run, và

BitVector

giữ sẵn các đồ thị Wan với LoRA đã cài. Cả hai đều được liên kết trong hộp Run trên mỗi trang model Wan.

Tham khảo

Tên	Kiểu	Ý nghĩa
Wan2.2-TI2V-5B	model	Một model cho text-to-video và image-to-video, 720p ở 24 fps, tối đa 121 khung hình. fp16 10 GB, fp8 5 GB. Card 8 đến 12 GB.
Wan2.2-T2V-A14B / I2V-A14B	model pair	Hai chuyên gia nhiễu cao và nhiễu thấp, mỗi cái 14B (tổng 27B, 14B hoạt động). 480p và 720p. fp8 khoảng 14 GB mỗi cái; GGUF Q4 khoảng 8 GB mỗi cái.
umt5-xxl text encoder	file	fp8 scaled (6 GB) hoặc fp16 (11 GB). Dùng chung cho tất cả model Wan.
Wan 2.1 / 2.2 VAE	file	Model 5B dùng VAE 2.2; model 14B dùng VAE 2.1. Trộn lẫn sẽ ra kết quả tệ.
Resolution	setting	480x832 hoặc 832x480 cho thử nhanh; 720x1280 / 1280x720 cho bản cuối. Bội số của 16.
Frames	setting	4n+1: 33, 49, 65, 81. 81 khung hình ở 16 fps là 5 giây.
Steps / shift / CFG	setting	20 đến 30 bước, shift 5 đến 8, CFG 3.5 đến 5 nếu không dùng lightning. Với LoRA lightning: 4 đến 8 bước, CFG 1, shift 5.
Lightning / distill LoRA	LoRA	LoRA riêng cho chuyên gia nhiễu cao và nhiễu thấp; load từng cái trên model riêng. Trọng số 1.0.
Prompt	text	Chủ thể, hành động, camera, ánh sáng, phong cách, theo thứ tự đó. Mô tả động từ chuyển động rõ ràng. Wan dùng negative prompt (khác Flux ).

Không cần cài đặt – chạy mô hình AI trên đám mây

BitVector Prism là cách dễ nhất để bắt đầu: chọn một mô hình, nhập prompt và tạo ảnh trong một ứng dụng web gọn gàng, không cần cấu hình gì. BitVector cũng có trên Discord và trên web (SpyGlass).

Dùng thử BitVector

Từng bước

Cài loader:
ComfyUI
core hỗ trợ Wan 2.2; thêm ComfyUI-GGUF cho file đã lượng tử. Cập nhật ComfyUI trước.
Tải về theo card: 5B fp8 kèm VAE 2.2 và umt5 fp8 cho 8 đến 12 GB; cặp 14B fp8 kèm VAE 2.1 cho 24 GB; cặp 14B GGUF Q4 cho 12 đến 16 GB.
Load template chính thức (Workflow > Browse Templates > Video > Wan 2.2) và thay loader bằng file của bạn. Với GGUF đổi Load Diffusion Model thành Unet Loader (GGUF).
Với 14B: hai node KSampler Advanced. Node đầu chạy model nhiễu cao cho bước 0 đến N/2 (trả lại noise thừa), node hai chạy model nhiễu thấp từ N/2 đến N. Template đã nối sẵn.
Render lần đầu: 480x832, 33 khung hình, 20 bước, CFG 4, shift 8, prompt "a corgi runs along a beach at sunset, camera tracks alongside, golden light, shallow depth of field". Dự kiến 2 đến 6 phút.
Thêm LoRA lightning từ trang Wan family (mỗi chuyên gia một cái), đặt bước 6 (3 + 3), CFG 1. Thời gian render giảm xuống dưới một phút ở 480p.
Image-to-video: load cặp I2V, đưa ảnh vào WanImageToVideo, giữ prompt về chuyển động và camera thay vì mô tả ảnh.
Bản cuối: 720p, 81 khung hình, nội suy lên 32 fps với RIFE hoặc FILM, upscale bằng video
upscaler
trong
Upscalers
family nếu cần.
Quá chậm hoặc quá nặng: chạy workflow trên BitVector, hoặc trên PirateDiffusion với /workflow /show:wan để xem trường và /wf /run:wan kèm prompt của bạn.

Ví dụ

Prompt text-to-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 image-to-video (chỉ chuyển động)

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

Mẹo

Mô tả chuyển động bằng động từ và camera bằng từ phim (slow dolly in, handheld, static wide shot). Wan hiểu ngôn ngữ camera rất tốt.
Giữ negative prompt: bản chính thức liệt kê overexposure, static, chi tiết mờ, phụ đề, chất lượng tệ nhất, ngón tay thừa, và nó giúp.
Với I2V, tạo khung đầu bằng Flux,
Qwen
hoặc
Z-Image
theo tỉ lệ khung hình mục tiêu; ảnh tĩnh nét, sáng tốt cho clip chất lượng hơn prompt.
Số khung hình tốn hơn độ phân giải: 81 khung ở 480p rẻ hơn 49 khung ở 720p.
Motion LoRA cho Wan được tag theo chuyên gia nhắm tới; LoRA chỉ nhiễu thấp thêm chi tiết, LoRA nhiễu cao thay đổi chuyển động.
Seed rất quan trọng với video; giữ seed cố định khi chỉnh prompt, rồi thay đổi seed cho các lần quay.
Lưu workflow với bộ LoRA của bạn làm template; đồ thị Wan dài và dễ hỏng.

Phù hợp phiên bản và kích thước; trang model ghi rõ.

Không cần cài đặt – chạy mô hình AI trên đám mây

PirateDiffusion chỉ có trên Telegram và dành cho người dùng chuyên nghiệp: hàng nghìn mô hình, LoRA và workflow điều khiển bằng lệnh chat, tạo không giới hạn với gói giá cố định.