Коротко
- Wan 2.2 — это модель image-to-video с открытым исходным кодом, построенная на архитектуре Mixture-of-Experts.
- Модель I2V-A14B генерирует видео в разрешении 480P и 720P; модель TI2V-5B выдаёт видео 720P@24fps на потребительских GPU (например, RTX 4090).
- Модели доступны для скачивания на Hugging Face по лицензии Apache 2.0 и интегрированы в ComfyUI и библиотеку Diffusers.
- Модель TI2V-5B без дополнительной оптимизации генерирует 5-секундное видео 720P менее чем за 9 минут на одном потребительском GPU.
Для студий архитектурной визуализации, которые хотят придать статичным рендерам немного движения перед показом клиенту, модель Wan 2.2 с открытым исходным кодом становится практичным решением. Эта модель, опубликованная командой Wan на Hugging Face, принимает референсное изображение (например, рендер фасада или интерьерный кадр) и превращает его в короткое видео. В этом руководстве пошагово разбирается, для чего нужна модель, на каком оборудовании она работает и как её применять для интерьерных и фасадных рендеров.
Что вы узнаете из этого руководства
Из каких моделей состоит Wan 2.2 и в чём разница между ними
Шаги установки для генерации image-to-video (I2V)
Структуру примера промпта для архитектурного рендера
Частые ошибки и дальнейшие шаги
Требования
Семейство Wan 2.2 включает три модели: text-to-video (T2V-A14B), image-to-video (I2V-A14B) и text+image-to-video (TI2V-5B). Модель I2V-A14B — это модель Mixture-of-Experts (MoE), способная генерировать видео в разрешении 480P и 720P; несмотря на общее число параметров в 27 миллиардов, на каждом шаге активно работают только 14 миллиардов параметров. Для генерации видео из изображения на одном GPU этой моделью требуется минимум 80 ГБ VRAM, поэтому модель A14B обычно используют на рабочих станциях с несколькими GPU или в облаке.
Для более скромного оборудования подходит модель TI2V-5B. Она использует специальный VAE с высокой степенью сжатия и без каких-либо дополнительных оптимизаций генерирует 5-секундное видео 720P@24fps менее чем за 9 минут на потребительском GPU уровня RTX 4090. Для архитектурных студий это, как правило, наиболее практичная отправная точка.
Для установки нужны среда Python, PyTorch (версии 2.4.0 и выше) и зависимости из файла requirements.txt в репозитории проекта на GitHub. Модели можно скачать с Hugging Face или ModelScope, а также они интегрированы в ComfyUI и библиотеку Diffusers.
Пошаговая установка и использование
1. Клонируйте репозиторий и установите зависимости:
git clone https://github.com/Wan-Video/Wan2.2.git
cd Wan2.2
pip install -r requirements.txt2. Скачайте веса модели. Для потребительского GPU подойдёт TI2V-5B, для систем с несколькими GPU — I2V-A14B:
pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.2-I2V-A14B --local-dir ./Wan2.2-I2V-A14B3. Подготовьте референсное изображение. Это может быть рендер фасада со статичным кадром или интерьерная перспектива. Разрешение и соотношение сторон изображения определяют пропорции итогового видео.
4. Запустите команду генерации. Следующая команда запускает генерацию image-to-video на одном GPU (требуется минимум 80 ГБ VRAM, для 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. Напишите промпт под ваш архитектурный рендер. Примеры промптов ниже:
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.Этот промпт оживляет фасадный рендер со статичной камерой, добавляя движение облаков, отражений и света; поскольку движение камеры не требуется, важна фраза "camera remains static".
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.Этот промпт можно использовать для интерьерных рендеров, чтобы добавить небольшие, но эффектные детали — колебание штор и смену освещения.
Частые ошибки
Если не указать движение камеры в промпте, модель может сгенерировать неожиданные смещения камеры; если нужен статичный кадр, это необходимо явно прописать.
При нехватке VRAM для модели TI2V-5B пропуск параметров
--offload_model Trueи--convert_model_dtypeможет привести к ошибкам.Запрос слишком высокого разрешения (выше 1280x720) значительно увеличивает требования к VRAM, особенно для модели A14B.
При проблемах с установкой
flash_attnрекомендуется сначала установить остальные зависимости, аflash_attn— в последнюю очередь.
Дальнейшие шаги
Полученный короткий клип можно объединить с серией рендеров в программе монтажа и превратить в презентационное видео. Благодаря интеграции с ComfyUI быстрое тестирование комбинаций промпта и изображения становится удобным способом внедрения в рабочий процесс студии.
Источник и лицензия
Это руководство адаптировано на русский язык на основе карточки модели Wan2.2, опубликованной командой Wan на Hugging Face по лицензии Apache 2.0. Примеры команд взяты из оригинального документа, а архитектурные примеры промптов составлены авторами на основе описанных техник.
Источники
Источников: 2Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Wan 2.2, особенно благодаря модели TI2V-5B, способной быстро генерировать видео 720P на одном потребительском GPU (например, RTX 4090), становится доступным вариантом для малых и средних студий визуализации в Турции. Лицензия Apache 2.0 даёт свободу использования в коммерческих проектах; однако требование минимум 80 ГБ VRAM для более крупных моделей, таких как I2V-A14B, может превышать возможности оборудования большинства студий.
На практике разумная стратегия — сначала провести небольшие эксперименты с TI2V-5B, а затем при необходимости перейти на модель A14B, арендовав облачный GPU. Потенциал модели придавать лёгкое движение (отражения, свет, колебание растений или штор) статичным рендерам может быть ценен особенно для презентационных видео и контента в соцсетях; однако стоит помнить, что контроль камеры и стабильность результата требуют экспериментов методом проб и ошибок.
Частые вопросы
На каком оборудовании работает Wan 2.2?
Модель TI2V-5B может работать без оптимизации на одном потребительском GPU, например RTX 4090; модели I2V-A14B на одном GPU требуется минимум 80 ГБ VRAM.
По какой лицензии распространяется Wan 2.2?
Модели опубликованы на Hugging Face по лицензии Apache 2.0, и указывается, что права на сгенерированный контент не ограничиваются.
В каком разрешении можно генерировать видео с Wan 2.2?
Модель I2V-A14B генерирует видео в разрешении 480P и 720P, а модель TI2V-5B — видео 720P@24fps.



