باختصار
- Wan 2.2 هو نموذج مفتوح المصدر لتحويل الصورة إلى فيديو (image-to-video) يعمل بمعمارية Mixture-of-Experts.
- يمكن لنموذج I2V-A14B إنتاج فيديو بدقة 480P و720P؛ بينما ينتج نموذج TI2V-5B فيديو بدقة 720P بمعدل 24 إطارًا في الثانية على بطاقات GPU الاستهلاكية (مثل RTX 4090).
- يمكن تحميل النماذج عبر Hugging Face برخصة Apache 2.0، وهي مدمجة مع ComfyUI ومكتبة Diffusers.
- يستطيع نموذج TI2V-5B إنتاج فيديو بدقة 720P لمدة 5 ثوانٍ في أقل من 9 دقائق على بطاقة GPU استهلاكية واحدة دون أي تحسينات إضافية.
بالنسبة للفرق في مكاتب التصور المعماري التي ترغب في إضفاء حركة بسيطة على صور الرندر الثابتة قبل عرضها على العميل، يقدّم نموذج Wan 2.2 مفتوح المصدر خيارًا عمليًا. هذا النموذج الذي نشره فريق Wan على Hugging Face يأخذ صورة مرجعية (مثل رندر لواجهة خارجية أو إطار لمساحة داخلية) ويحوّلها إلى مقطع فيديو قصير. يشرح هذا الدليل خطوة بخطوة ما الذي يفعله النموذج، والعتاد الذي يحتاجه، وكيفية استخدامه مع رندرات المساحات الداخلية والواجهات الخارجية.
ما الذي ستتعلمه في هذا الدليل
من أي نماذج يتكون Wan 2.2 وما الفرق بينها
خطوات التثبيت لإنتاج الفيديو من الصورة (I2V)
بنية نموذجية لأمر نصي (prompt) خاص برندر معماري
الأخطاء الشائعة والخطوات التالية
المتطلبات
تضم عائلة Wan 2.2 ثلاثة نماذج: تحويل النص إلى فيديو (T2V-A14B)، وتحويل الصورة إلى فيديو (I2V-A14B)، وتحويل النص والصورة معًا إلى فيديو (TI2V-5B). نموذج I2V-A14B هو نموذج Mixture-of-Experts (MoE) قادر على إنتاج فيديو بدقة 480P و720P؛ ورغم أن إجمالي معاملاته يبلغ 27 مليار معامل، إلا أن 14 مليار معامل فقط تكون نشطة في كل خطوة. ولإنتاج فيديو من صورة باستخدام هذا النموذج على بطاقة GPU واحدة، يلزم ما لا يقل عن 80 جيجابايت من ذاكرة VRAM؛ لذلك يُفضَّل استخدام نموذج A14B عادة في محطات العمل متعددة بطاقات GPU أو في الخوادم السحابية.
أما بالنسبة للعتاد الأكثر تواضعًا، فيبرز نموذج TI2V-5B. يستخدم هذا النموذج محوّل VAE خاصًا بنسبة ضغط عالية، ويستطيع - دون أي تحسين إضافي - إنتاج فيديو بدقة 720P بمعدل 24 إطارًا في الثانية لمدة 5 ثوانٍ في أقل من 9 دقائق على بطاقة GPU استهلاكية مثل RTX 4090. وغالبًا ما يكون هذا النموذج نقطة انطلاق عملية لمكاتب التصور المعماري.
للتثبيت، يلزم بيئة Python، وPyTorch (الإصدار 2.4.0 وما فوق)، والتبعيات الموجودة في ملف requirements.txt بمستودع المشروع على GitHub. يمكن تحميل النماذج عبر Hugging Face أو ModelScope، وهي مدمجة أيضًا مع ComfyUI ومكتبة Diffusers.
التثبيت والاستخدام خطوة بخطوة
1. استنسخ المستودع وثبّت التبعيات:
git clone https://github.com/Wan-Video/Wan2.2.git
cd Wan2.2
pip install -r requirements.txt2. حمّل أوزان النموذج. يمكن اختيار TI2V-5B لبطاقة GPU استهلاكية، أو I2V-A14B للأنظمة متعددة بطاقات GPU:
pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.2-I2V-A14B --local-dir ./Wan2.2-I2V-A14B3. جهّز صورتك المرجعية. يمكن أن تكون رندرًا لواجهة خارجية أو منظورًا داخليًا بكاميرا ثابتة الإطار. دقة الصورة ونسبة العرض إلى الارتفاع تحددان نسبة الفيديو الناتج.
4. شغّل أمر الإنتاج. يبدأ الأمر التالي عملية إنتاج الفيديو من الصورة على بطاقة GPU واحدة (يتطلب 80 جيجابايت VRAM على الأقل لنموذج I2V-A14B):
python generate.py --task i2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-I2V-A14B --offload_model True --convert_model_dtype --image render_disçephe.jpg --prompt "PROMPT_METNI"5. اكتب أمرًا نصيًا (prompt) مناسبًا لرندرك المعماري. أمثلة على الأوامر النصية أدناه:
A modern residential facade with large glass windows, captured at golden hour. Soft clouds drift slowly across the sky, subtle reflections move across the glass surface, and light gently shifts on the concrete texture. The camera remains static, cinematic lighting, architectural visualization style.يضفي هذا الأمر النصي على رندر واجهة خارجية بكاميرا ثابتة حركة عبر إضافة سماء وانعكاسات وتغيرات إضاءة؛ وبما أنه لا تُراد أي حركة للكاميرا، فإن عبارة "camera remains static" مهمة هنا.
A bright interior living room rendered in architectural visualization style, with sheer curtains gently swaying near an open window. Dust particles float softly in the sunbeam, warm afternoon light slowly shifts across the wooden floor, camera static, photorealistic rendering.ويمكن استخدام هذا الأمر النصي في رندرات المساحات الداخلية لإنتاج تفاصيل صغيرة لكنها مؤثرة، مثل حركة الستائر وتغيرات الإضاءة.
الأخطاء الشائعة
إذا لم تحدد حركة الكاميرا في الأمر النصي، فقد ينتج النموذج انزياحات كاميرا غير متوقعة؛ لذا إذا أردت إطارًا ثابتًا فيجب ذكر ذلك صراحة.
في حال عدم كفاية VRAM لنموذج TI2V-5B، فإن تجاهل المعاملين
--offload_model Trueو--convert_model_dtypeقد يؤدي إلى أخطاء.طلب دقة عالية جدًا (أعلى من 1280x720) يزيد بشكل كبير من متطلبات VRAM، خصوصًا في نموذج A14B.
إذا واجهت مشكلة في تثبيت
flash_attn، يُنصح بتثبيت باقي التبعيات أولًا ثم تثبيتflash_attnفي النهاية.
الخطوات التالية
يمكن دمج المقطع القصير الناتج مع سلسلة الرندر في برنامج المونتاج لتحويله إلى فيديو عرض تقديمي. بفضل التكامل مع ComfyUI، يُعد اختبار تركيبات الأوامر النصية والصور بسرعة وإدماجها في سير العمل الداخلي للمكتب طريقة عملية.
المصدر والترخيص
هذا الدليل مُقتبس من بطاقة نموذج Wan2.2 التي نشرها فريق Wan على Hugging Face برخصة Apache 2.0. أُخذت أمثلة الأوامر من الوثيقة الأصلية، بينما صاغ الكتّاب أمثلة الأوامر النصية المعمارية استنادًا إلى التقنيات الموثّقة.
المصادر
2 مصادرلا نعيد نشر نصوص المصادر؛ الاقتباسات القصيرة مشار إليها، وما تبقى ملخص وتعليق من إعدادنا.
بفضل نموذج TI2V-5B تحديدًا، الذي يستطيع إنتاج فيديو بدقة 720P في وقت قصير على بطاقة GPU استهلاكية واحدة (مثل RTX 4090)، يقدّم Wan 2.2 خيارًا متاحًا لمكاتب التصور المعماري الصغيرة والمتوسطة في تركيا. وتوفّر رخصة Apache 2.0 راحة في الاستخدام ضمن المشاريع التجارية؛ غير أن حاجة النماذج الأكبر مثل I2V-A14B إلى 80 جيجابايت من VRAM على الأقل قد تتجاوز العتاد المتوفر لدى معظم الاستوديوهات.
من الناحية العملية، يُعد قيام المكاتب أولًا بإجراء تجارب صغيرة باستخدام TI2V-5B، ثم الانتقال عند الحاجة إلى استئجار GPU سحابي لاستخدام نموذج A14B، استراتيجية معقولة. وقد تكون قدرة النموذج على إضفاء حركة خفيفة (انعكاسات، إضاءة، اهتزاز نباتات/ستائر) على رندرات الكاميرا الثابتة قيّمة بشكل خاص في فيديوهات العرض التقديمي ومحتوى وسائل التواصل الاجتماعي؛ لكن يجب ألا يُنسى أن التحكم بالكاميرا والاتساق يتطلبان التجربة والخطأ.
الأسئلة الشائعة
ما العتاد الذي يعمل عليه Wan 2.2؟
يمكن لنموذج TI2V-5B العمل على بطاقة GPU استهلاكية واحدة مثل RTX 4090 دون أي تحسينات، بينما يتطلب نموذج I2V-A14B ما لا يقل عن 80 جيجابايت من VRAM على بطاقة GPU واحدة.
ما الترخيص الذي يُوزَّع به Wan 2.2؟
تُنشر النماذج على Hugging Face برخصة Apache 2.0، ويُذكر أنه لا يُطالَب بأي حقوق على المحتوى المُنتَج.
ما الدقة التي يمكن إنتاج الفيديو بها باستخدام Wan 2.2؟
يمكن لنموذج I2V-A14B إنتاج فيديو بدقة 480P و720P، بينما يستطيع نموذج TI2V-5B إنتاج فيديو بدقة 720P بمعدل 24 إطارًا في الثانية.



