テキストから動画

2つの公式の T2Vエントリー

公式の単行GPUコマンド

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 は --dit_fsdp --t5_fsdp --ulysses_size の torchrun を使っています.単一の 80 GB カードが利用できない場合,8 つの GPU の README 例はサポートされたパスです.

積み木が何をしているのか

• テキストエンコード: UMT5-XXL. --t5_cpu でダウンロードする. VRAM が密集している場合.
• 脊椎: 流れの対応 DiT. A14B は専門家を SNR に切り替える. TI2V-5B は密集している.
• 遅刻: Wan-VAE (2.1スタイル 4×8×8 A14B; 2.2 4×16×16 TI2V-5B).
• 速延長は推奨される. 速延のウィキを参照してください.

品質主張は源から取れる

READMEは Wan2.2 を Wan-Bench 2.0 と複数の閉ざされたモデルに比べて, Wan2.1 より多くの動き/意味力/美学データを持つ位置に置いています.同じベンチと同じ2.2チェックポイントを引用しない限り,第三者の SOTA表をマーケティングとみなします (A14B vs 5B vs 量化コミュニティパック).

よくある質問

どのサイズで合格する?

A14B 使用 1280*720 (またはa 480P 配列) TI2V-5B 720P している 1280*704 及び 704*1280 ありません 1280*720違いは公式の README.

clip はどのくらいの長さですか?

公的なレシピは短縮映画撮影 (5秒の順序) です. S2V 時間は代わりにオーディオトラックに従います.

Diffusers?

わかった Wan-AI/Wan2.2-T2V-A14B-Diffusers 及び Wan2.2-TI2V-5B-Diffusers ニュースブロックは2025年7月28日