İçeriğe atla
Son haberler
V-Ray'de Gaussian Splat kullanımı: Maya için adım adım rehberChaos Scatter ile doğal bitki örtüsü dağıtımı: 3ds Max ve Vantage rehberiCorona 16 Gaussian Splatting rehberi: gerçek mekanları ışıklandırma ve Frame Buffer ipuçlarıWorld Architecture Festival 2026: ilk gün ödülleri açıklandı, Foster + Partners ve KPF öne çıktıChaos Corona 16 duyuruldu: Gaussian Splat relighting ve parallax iç mekan desteği geldiWan 2.2 ile mimari görselden video üretimi: adım adım kılavuzShigeru Ban, Roma'da haç biçimli ahşap çatılı kilise tasarımını tanıttıChaos Cosmos Browser rehberi: V-Ray ve Corona için hazır 3D model indirmeUnreal Engine Multi-User Editing kurulumu: ekip halinde sahne düzenleme rehberiWaugh Thistleton, Margate'deki Westbrook Pavyonu'nu Tracey Emin için dönüştürecek
EğitimlerWan 2.2ComfyUIMari

Wan 2.2 ile mimari görselden video üretimi: adım adım kılavuz

Açık kaynaklı Wan 2.2 video üretim modeli, statik mimari render görsellerini kısa videolara dönüştürmek için kullanılabilir. Bu rehberde kurulum, gereksinimler ve örnek promptlar adım adım anlatılıyor.

Altın saat ışığında modern bir cephe render'ının video karesi görünümüAI görsel
Temsilî görsel; yapay zekâ ile üretildi.Görsel: 3dsınıfı / FCA AI
KaydetPaylaş0

Kısaca

  1. Wan 2.2, Mixture-of-Experts mimarisiyle çalışan açık kaynaklı bir görüntüden videoya (image-to-video) modelidir.
  2. I2V-A14B modeli 480P ve 720P çözünürlükte video üretebilir; TI2V-5B modeli tüketici GPU'larında (örneğin RTX 4090) 720P@24fps video üretir.
  3. Modeller Apache 2.0 lisansıyla Hugging Face üzerinden indirilebilir ve ComfyUI ile Diffusers kütüphanesine entegredir.
  4. TI2V-5B modeli, optimizasyon yapılmadan tek bir tüketici GPU'sunda 5 saniyelik 720P videoyu 9 dakikanın altında üretebiliyor.

Mimari görselleştirme ofislerinde statik render'ları müşteriye sunmadan önce kısa bir hareket kazandırmak isteyen ekipler için açık kaynaklı Wan 2.2 modeli pratik bir seçenek sunuyor. Wan ekibinin Hugging Face üzerinde yayımladığı bu model, bir referans görseli (örneğin bir dış cephe render'ı veya iç mekân kadrajı) alıp bu görseli kısa bir videoya dönüştürebiliyor. Bu rehberde modelin ne işe yaradığı, hangi donanımla çalıştığı ve iç mekân/dış cephe render'ları için nasıl kullanılabileceği adım adım anlatılıyor.

Bu rehberde ne öğreneceksiniz

  • Wan 2.2'nin hangi modellerden oluştuğunu ve aralarındaki farkı

  • Görüntüden videoya (I2V) üretim için kurulum adımlarını

  • Mimari bir render için örnek prompt yapısını

  • Sık yapılan hataları ve bir sonraki adımları

  • Gereksinimler

    Wan 2.2 ailesinde üç model bulunuyor: metinden videoya (T2V-A14B), görüntüden videoya (I2V-A14B) ve metin+görüntüden videoya (TI2V-5B). I2V-A14B modeli 480P ve 720P çözünürlükte video üretebilen bir Mixture-of-Experts (MoE) modelidir; toplam 27 milyar parametreye sahip olsa da her adımda yalnızca 14 milyar parametre aktif çalışır. Tek GPU'da bu modelle görüntüden video üretmek için en az 80 GB VRAM gerekiyor; bu nedenle A14B modeli genellikle çok GPU'lu iş istasyonlarında veya bulut sunucularında tercih ediliyor.

    Daha mütevazı donanımlar için TI2V-5B modeli öne çıkıyor. Bu model, yüksek sıkıştırma oranına sahip özel bir VAE kullanıyor ve herhangi bir ek optimizasyon yapılmadan, RTX 4090 gibi tüketici sınıfı bir GPU'da 5 saniyelik 720P@24fps videoyu 9 dakikanın altında üretebiliyor. Mimari ofisler için pratik başlangıç noktası genellikle bu modeldir.

    Kurulum için Python ortamı, PyTorch (2.4.0 ve üzeri) ve projenin GitHub deposundaki requirements.txt dosyasındaki bağımlılıklar gerekiyor. Modeller Hugging Face veya ModelScope üzerinden indirilebiliyor ve ayrıca ComfyUI ile Diffusers kütüphanesine entegre durumda.

    Adım adım kurulum ve kullanım

    1. Depoyu klonlayın ve bağımlılıkları kurun:

    bash
    git clone https://github.com/Wan-Video/Wan2.2.git
    cd Wan2.2
    pip install -r requirements.txt

    2. Model ağırlıklarını indirin. Tüketici GPU'su için TI2V-5B, çok GPU'lu sistemler için I2V-A14B tercih edilebilir:

    bash
    pip install "huggingface_hub[cli]"
    huggingface-cli download Wan-AI/Wan2.2-I2V-A14B --local-dir ./Wan2.2-I2V-A14B

    3. Referans görselinizi hazırlayın. Bu, kameranın sabit kadrajda olduğu bir dış cephe render'ı veya iç mekân perspektifi olabilir. Görselin çözünürlüğü ve en-boy oranı, üretilecek videonun oranını belirliyor.

    4. Üretim komutunu çalıştırın. Aşağıdaki komut, görüntüden video üretimini tek GPU üzerinde başlatır (en az 80 GB VRAM gerektirir, I2V-A14B için):

    bash
    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. Mimari render'ınıza uygun bir prompt yazın. Örnek promptlar aşağıda:

    Prompt
    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.

    Bu prompt, sabit kameralı bir dış cephe render'ına gökyüzü, yansıma ve ışık hareketi ekleyerek canlandırma sağlar; kamera hareketi istenmediği için "camera remains static" ifadesi önemlidir.

    Prompt
    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.

    Bu prompt ise iç mekân render'larında perde hareketi ve ışık geçişi gibi küçük ama etkili detaylar üretmek için kullanılabilir.

    Sık yapılan hatalar

    • Promptta kamera hareketi tanımlamazsanız model beklenmedik kamera kaymaları üretebilir; sabit kadraj isteniyorsa bunu açıkça belirtmek gerekir.

    • TI2V-5B modeli için VRAM yetersizse --offload_model True ve --convert_model_dtype parametrelerini atlamak hatalara yol açabilir.

    • Çok yüksek çözünürlük (1280x720 üzeri) istemek, özellikle A14B modelinde VRAM gereksinimini ciddi şekilde artırır.

    • flash_attn kurulumunda sorun yaşanırsa önce diğer bağımlılıkların, en son flash_attn'in kurulması öneriliyor.

    Sonraki adımlar

    Üretilen kısa klip, kurgu programında render serisiyle birleştirilerek sunum videosuna dönüştürülebilir. ComfyUI entegrasyonu sayesinde prompt ve görsel kombinasyonlarını hızlıca test etmek, ofis içi iş akışına dahil etmek için pratik bir yöntemdir.

    Kaynak ve lisans

    Bu rehber, Wan ekibinin Hugging Face üzerinde Apache 2.0 lisansıyla yayımladığı Wan2.2 model kartından Türkçeye uyarlanmıştır. Komut örnekleri orijinal belgeden alınmış, mimari örnek promptlar ise belgelenen teknikler esas alınarak yazarlarca oluşturulmuştur.

    Sık sorulan sorular

    Wan 2.2 hangi donanımla çalışır?

    TI2V-5B modeli, optimizasyon yapılmadan RTX 4090 gibi tek bir tüketici GPU'sunda çalışabiliyor; I2V-A14B modeli ise tek GPU'da en az 80 GB VRAM gerektiriyor.

    Wan 2.2 hangi lisansla dağıtılıyor?

    Modeller Hugging Face üzerinde Apache 2.0 lisansıyla yayımlanmış olup üretilen içerikler üzerinde hak iddia edilmediği belirtiliyor.

    Wan 2.2 ile hangi çözünürlükte video üretilebilir?

    I2V-A14B modeli 480P ve 720P çözünürlükte, TI2V-5B modeli ise 720P@24fps video üretebiliyor.

    Kaynaklar

    2 kaynak
    H(
    huggingface.co (Apache-2.0)huggingface.co/Wan-AI/Wan2.2-I2V-A14B
    Özet
    H(
    huggingface.co (Apache-2.0)huggingface.co/Wan-AI
    Özet

    Kaynak metinler yeniden yayımlanmaz; kısa alıntılar tırnak içinde verilir, geri kalanı özgün özet ve yorumdur.

    3dsınıfı yorumu
    3dEditörün değerlendirmesi

    Wan 2.2, özellikle TI2V-5B modeliyle, tek bir tüketici GPU'sunda (RTX 4090 gibi) kısa sürede 720P video üretebilmesi sayesinde Türkiye'deki küçük ve orta ölçekli görselleştirme ofisleri için erişilebilir bir seçenek sunuyor. Apache 2.0 lisansı, ticari projelerde kullanım açısından rahatlık sağlıyor; ancak I2V-A14B gibi daha büyük modellerin en az 80 GB VRAM gerektirmesi, çoğu stüdyonun mevcut donanımını aşabilir.

    Pratikte ofislerin önce TI2V-5B ile küçük denemeler yapması, ardından ihtiyaç halinde bulut GPU kiralayarak A14B modeline geçmesi makul bir strateji. Modelin sabit kameralı render'lara hafif hareket (yansıma, ışık, bitki/perde salınımı) kazandırma potansiyeli, özellikle sunum videolarında ve sosyal medya içeriklerinde değerli olabilir; ancak kamera kontrolü ve tutarlılık konusunda deneme yanılma gerektirdiği unutulmamalı.

    Bu habere tepkin ne?

    Yorumlar 0

    İlk yorumu sen yazKendi test sonuçlarını ya da sorunu paylaş.
    +

    İlgili haberler