Kurz gesagt
- Wan 2.2 ist ein Open-Source-Modell zur Video-Erzeugung aus Text und Bild; die Variante TI2V-5B kann Videos in 720p mit 24 Bildern pro Sekunde erzeugen.
- Das Modell TI2V-5B kann ein 5-Sekunden-Video in 720p auf einer Consumer-Grafikkarte wie der RTX 4090 in unter 9 Minuten erzeugen.
- MoE-Modelle wie T2V-A14B und I2V-A14B mit 14B aktiven Parametern benötigen mindestens 80GB VRAM auf einer einzelnen GPU oder ein Multi-GPU-/Cloud-Setup.
- FLUX Krea Dev ist eine Modellvariante, die laut Beschreibung mit einem auf SwarmUI und ComfyUI basierenden Setup bessere Bilder als das Standard-FLUX Dev erzeugt.
Was Sie in diesem Artikel lernen
Sie erfahren, wie Sie das Open-Source-Videomodell Wan 2.2 und das Bildmodell FLUX Krea Dev über die SwarmUI-Oberfläche und die ComfyUI-Infrastruktur installieren, um Konzeptbilder und kurze Animationen mit Kamerabewegung zu erzeugen. Der Leitfaden basiert auf der offen lizenzierten Installationsanleitung von Furkan Gözükara (MonsterMMORPG) sowie der offiziellen Modelldokumentation von Wan-AI. In den Quellen werden als Einsatzbereiche dieser Werkzeuge digitale Kunst, Werbung, Film-Previsualisierung, Spieleentwicklung und Social-Media-Content genannt; die in diesem Artikel vorgestellten, auf Architektur und Innenräume fokussierten Prompt-Beispiele wurden auf Basis der dokumentierten Techniken zusätzlich für die Leser von 3dsınıfı angepasst.
Voraussetzungen
NVIDIA-Grafikkarte: Für die TI2V-5B-Variante von Wan 2.2 wird eine RTX 4090 mit 24GB VRAM empfohlen.
Ein System mit installiertem Python, Git, CUDA und FFMPEG.
Ein automatischer Installer, der SwarmUI und ComfyUI mit einem Klick installiert (im Leitfaden über Patreon geteilt).
Ein Hugging-Face- oder ModelScope-Konto zum Herunterladen der Modellgewichte.
Für größere Wan-2.2-Modelle (T2V-A14B, I2V-A14B) mindestens 80GB VRAM auf einer einzelnen GPU oder ein Multi-GPU-/Cloud-Setup.
Optional: ein Dashscope-API-Schlüssel oder ein lokales Qwen-Modell für die Prompt-Erweiterung.
Schritt-für-Schritt-Installation
Voraussetzungen installieren. Installieren Sie Python, Git, CUDA und FFMPEG auf Ihrem System.
ComfyUI und SwarmUI installieren. Der im Leitfaden geteilte 1-Klick-Installer kommt mit Unterstützung für Flash Attention, Sage Attention, xFormers, Triton und DeepSpeed; auch RTX-5000-Serien-Karten werden unterstützt.
SwarmUI-Backend mit ComfyUI verbinden. Dieser Schritt wird im Video-Tutorial als eigener Abschnitt behandelt; während der Installation müssen Sie innerhalb von SwarmUI das ComfyUI-Backend auswählen und die Verbindung herstellen.
Modelle herunterladen. Wählen Sie je nach Hardware TI2V-5B (für eine einzelne Consumer-GPU) oder T2V-A14B / I2V-A14B (für Multi-GPU oder Cloud) und laden Sie das Modell herunter.
Fertiges Preset-Paket importieren. Die nach Hunderten von Parametertests erstellten Presets ermöglichen qualitativ hochwertige Ergebnisse ohne manuelle Einstellungen.
Erste Erzeugung starten und die GPU-Auslastung anhand der Konsolen-Logs überwachen; wird eine niedrige GPU-Auslastung festgestellt, sollten die im Leitfaden beschriebenen Optimierungsschritte angewendet werden.
Beispiel-Prompts für Architekturbilder und Animationen
Die folgenden Prompts wurden auf Basis der in den Quellen beschriebenen Techniken (Kamerabewegung, Lichtbeschreibung, cinematischer Stil) zusätzlich für den Architektureinsatz erstellt; in den Originalquellen gibt es keine direkten Architekturbeispiele.
1. Innenraum-Konzeptbild mit FLUX Krea Dev
A modern minimalist living room interior, floor-to-ceiling windows, warm afternoon sunlight, oak flooring, cinematic lighting, photorealistic architectural visualization, ultra detailedDieser Prompt hebt bei der Text-zu-Bild-Erzeugung von FLUX Krea Dev Licht- und Materialdetails hervor und erstellt schnell ein Konzeptbild für Innenarchitektur-Präsentationen.
2. Kamerabewegung mit Wan 2.2 Image-to-Video
Slow dolly-in camera movement through a contemporary house entrance hall, soft natural light shifting across concrete walls, gentle motion blur, cinematic color grading, 24fps realistic videoIndem Sie ein vorhandenes Render-Bild mit diesem Prompt im Image-to-Video-Modus einspeisen, können Sie eine langsame Kamerafahrt in den Eingangsbereich als Animation erzeugen; das Modell kann Kamerabewegungen wie Dolly und Pan mit mathematischer Präzision umsetzen.
3. Außenbereich-Präsentation mit Wan 2.2 Text-to-Video
A drone shot slowly rising above a glass pavilion surrounded by a garden, golden hour lighting, smooth camera pan, photorealistic rendering, architectural visualization styleDieser Prompt kann verwendet werden, um durch reine Text-zu-Video-Erzeugung eine Außenbereich-Präsentationsanimation zu erstellen; die Beschreibungen der Golden-Hour-Beleuchtung und der langsamen Schwenkbewegung aktivieren die cinematische Kontrolle des Modells.
4. Befehlszeilenbeispiel für Prompt-Erweiterung
python generate.py --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --prompt "A drone shot slowly rising above a glass pavilion surrounded by a garden, golden hour lighting"Bei Einzel-GPUs mit wenig VRAM reduzieren die Parameter --offload_model True und --convert_model_dtype in diesem Befehl den Speicherverbrauch; ist die Prompt-Erweiterung aktiviert, reichert das Modell die Beschreibungen automatisch an.
Häufige Fehler
Der Versuch, A14B-Modelle auf einer einzelnen GPU mit weniger als 80GB VRAM ohne Offload-Parameter auszuführen, führt zu Speicherfehlern.
Die Wahl einer für die Hardware ungeeigneten Auflösung (z. B. direktes 720p T2V-A14B auf einer Consumer-Karte) verlangsamt die Erzeugung erheblich.
Die Prompt-Erweiterung gar nicht zu nutzen, kann dazu führen, dass die Szenendetails unzureichend bleiben.
Mit der Erzeugung fortzufahren, ohne eine niedrige GPU-Auslastung zu bemerken; der Leitfaden empfiehlt in diesem Fall, die Optimierungsschritte zu befolgen.
Nächste Schritte
Sie können die Presets an Ihre eigenen Projekte anpassen, ein LoRA für den Stil Ihres Büros mit FLUX Krea Dev trainieren und mit Beschleunigungsoptionen wie TeaCache die Erzeugungszeiten verkürzen.
Quelle und Lizenz
Dieser Leitfaden wurde auf Basis der offiziellen Wan2.2-T2V-A14B-Modelldokumentation des Wan-AI-Teams auf Hugging Face sowie des von Furkan Gözükara (MonsterMMORPG) auf Hugging Face veröffentlichten Community-Artikels „Wan 2.2 & FLUX Krea Full Tutorial
Quellen
3 QuellenQuelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.
Für Büros und einzelne Visualisierer in der Türkei können Wan 2.2 und FLUX Krea Dev eine interessante Option für diejenigen sein, die schnell Konzeptbilder und kurze Präsentationsanimationen ausprobieren möchten; es muss jedoch daran erinnert werden, dass die Quellen diese Werkzeuge nicht als speziell für die Architektur konzipiertes Anwendungsszenario darstellen, sondern ihre Einsatzbereiche allgemein digitale Kunst, Werbung, Film-Previsualisierung und Spieleentwicklung umfassen. Dass TI2V-5B mit einer einzigen RTX 4090 laufen kann, verschafft kleinen Büros, die ohne Investition in große Render-Farmen experimentieren möchten, einen Kostenvorteil. Dass die A14B-Modelle 80GB VRAM oder mehrere GPUs benötigen, wird diejenigen, die diese Qualitätsstufe erreichen wollen, hingegen zu Cloud-Diensten lenken.
Die Open-Source-Natur bedeutet, dass ohne Lizenzkosten experimentiert werden kann; da die Installation jedoch technisches Wissen (Python, CUDA, ComfyUI) erfordert, könnte die direkte Integration in den Architektur-Präsentationsworkflow erschwert werden. Büros sollten diese Werkzeuge zunächst in einem kleinen Pilotprojekt parallel zum bestehenden Render-Workflow testen, um Zeitverluste zu minimieren.
Häufige Fragen
Auf welcher Hardware kann ich Wan 2.2 ausführen?
Das TI2V-5B-Modell läuft auf einer Consumer-GPU mit 24GB VRAM wie der RTX 4090, während MoE-Modelle wie T2V-A14B und I2V-A14B mindestens 80GB VRAM auf einer einzelnen GPU oder ein Multi-GPU-/Cloud-Setup benötigen.
Was unterscheidet FLUX Krea Dev vom Standard-FLUX Dev?
Laut Leitfaden ist FLUX Krea Dev eine Modellvariante, die im Vergleich zum Standard-FLUX Dev deutlich bessere Bilder erzeugen soll.
Wie viele Sekunden Video lassen sich mit Wan 2.2 erzeugen?
Wan 2.2 kann Videos von bis zu 5 Sekunden Länge in 480p und 720p erzeugen; das TI2V-5B-Modell kann ein 5-Sekunden-Video in 720p auf einer einzelnen Consumer-GPU in unter 9 Minuten fertigstellen.
