Texte vers vidéo

Deux entrées officielles T2V

Le single officiel...GPU commandes

python generate.py --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."

python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage"

Multi-GPU utilise torchrun avec --dit_fsdp --t5_fsdp --ulysses_size. L'exemple README pour huit GPU est le chemin pris en charge lorsqu'une seule carte 80 GB n'est pas disponible.

Ce que fait la pile

• Encodeur de texte: UMT5-XXL. Déchargez-le avec --t5_cpu si VRAM est serré.
• L'épine dorsale: correspondance des flux DiT. A14B commute les experts par SNR; TI2V-5B est dense.
• Les latences: Wan-VAE (2,1 style 4×8×8 sur A14B; 2,2 4×16×16 sur TI2V-5B).
• Une extension rapide est recommandée; voir le wiki de l'extension rapide.

Les revendications de qualité à prendre à la source

Les README positionnent Wan2.2 comme un supermarché Wan-Bench 2.0 par rapport à plusieurs modèles fermés, avec plus de données de mouvement/semantique/esthétique que Wan2.1. Traitez les tableaux SOTA tiers comme marketing à moins qu'ils ne citent le même banc et le même point de contrôle 2.2 (A14B vs 5B vs un pack communautaire quantifié).

Questions fréquentes

Quelle taille dois-je passer?

A14B utilise 1280*720 (ou une paire 480P). TI2V-5B 720P est 1280*704 ou 704*1280 pas 1280*720. Cette différence est dans le README officiel.

Quelle est la longueur d'un clip?

Les recettes publiques sont des coups de cinéma courts (dans l'ordre de 5 secondes). S2V la durée suit plutôt la piste audio.

Diffusers?

Oui. Wan-AI/Wan2.2-T2V-A14B-Diffusers et Wan2.2-TI2V-5B-Diffusers sont énumérés dans le bloc d'actualités du 28 juillet 2025.