兩條官方 T2V 入口
| 任務引數 | 模型 | 常用尺寸 | 官方視訊記憶體 | 備註 |
|---|---|---|---|---|
| t2v-A14B | Wan2.2-T2V-A14B | 1280×720 或 480P | 單卡 ≥ 80 GB | MoE 高低噪聲專家 |
| ti2v-5B | Wan2.2-TI2V-5B | 1280×704 或 704×1280 | offload 下 ≥ 24 GB | 720P @ 24 fps；文圖一體 |
官方單卡命令
T2V-A14B（80 GB 級）
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."TI2V-5B（24 GB / 4090 級）
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"多卡用 torchrun，加上 --dit_fsdp --t5_fsdp --ulysses_size。README 的八卡示例是沒有單張 80 GB 時的官方路徑。
棧裡各層做什麼
- 文字編碼器：UMT5-XXL。視訊記憶體緊時用 --t5_cpu。
- 骨幹：流匹配 DiT。A14B 按 SNR 切專家；TI2V-5B 是稠密模型。
- 潛變數：A14B 走 2.1 系 4×8×8 VAE；TI2V-5B 走 2.2 的 4×16×16。
- 建議開提示詞擴寫，見 prompt-extension 條目。
質量說法怎麼引用
README 把 Wan2.2 放在 Wan-Bench 2.0 上對比若干閉源模型，並強調運動/語義/美學資料比 2.1 多。第三方「SOTA」表除非寫明同一套 bench 和同一個 2.2 checkpoint（A14B vs 5B vs 社群量化包），否則當營銷看。
常見問題
- size 該填什麼？
- A14B 用 1280*720（或 480P 組合）。TI2V-5B 的 720P 是 1280*704 或 704*1280，不是 1280*720。這個差別寫在官方 README 裡。
- 一條影片多長？
- 公開配方是短電影鏡頭（大約 5 秒量級）。S2V 時長跟音訊走。
- 有 Diffusers 嗎？
- 有。2025-07-28 新聞塊列出 Wan-AI/Wan2.2-T2V-A14B-Diffusers 與 Wan2.2-TI2V-5B-Diffusers。
一手來源
已對照 Wan-Video/Wan2.2 README 核對 · 2026-08-28
