Wan2.2 5B: تشغيل تحويل النص إلى فيديو وتحويل الصورة إلى فيديو بذاكرة VRAM سعة 8GB
بهذا نصل إلى نهاية جزء نماذج الصور، وبدءًا من هذا الدرس ننتقل إلى توليد الفيديو. Wan2.2 هو نموذج توليد فيديو من Alibaba Cloud Tongyi Wanxiang، مفتوح المصدر بموجب ترخيص Apache 2.0 ويمكن استخدامه تجاريًا. أصدرت ثلاث مجموعات من الأوزان الأساسية: 14B لتحويل النص إلى فيديو، و14B لتحويل الصورة إلى فيديو، بالإضافة إلى نموذج هجين 5B يُدعى TI2V — ملف واحد يدعم تحويل النص إلى فيديو وتحويل الصورة إلى فيديو معًا، بدقة 720P و24fps، وتصفه الجهة الرسمية بأنه «أحد أسرع نماذج 720P@24fps حاليًا».
في هذه الصفحة سنشغّل سير عمل Wan2.2 5B بالكامل: تنزيل الحزمة الثلاثية، وإخراج فيديو من النص، والتبديل إلى تحويل الصورة إلى فيديو عبر Ctrl+B، وتعديل الدقة والمدة بأنفسنا. كل ذلك يتطلب فقط 8GB من ذاكرة VRAM — بالنص الحرفي للنصيحة الرسمية: مع ميزة offloading الأصلية في ComfyUI، يجب أن يتوافق إصدار Wan2.2 5B جيدًا مع ذاكرة VRAM سعة 8GB.
ماذا ستستطيع أن تفعل بعد إتمام هذا الدرس
- تحميل القالب الرسمي وتشغيل تحويل النص إلى فيديو باستخدام Wan2.2 5B: أخذ عينات في 20 خطوة، وإخراج فيديو بدقة 1280×704 ومدة تقارب 5 ثانية بجودة 720P
- استخدام نفس سير العمل لتحويل الصورة إلى فيديو باستخدام Wan2.2: تفعيل Load Image عبر Ctrl+B لتحريك صورك
- تعديل المعلمات وفق القواعد: خطوة الدقة 32، وعدد الإطارات بصيغة 4n+1، لضبط أبعاد الصورة والمدة بنفسك دون أخطاء
- أن تشرح لماذا تعمل ذاكرة VRAM سعة 8GB: VAE بنسبة ضغط عالية 16×16×4 + ميزة offloading الأصلية في ComfyUI
- التمييز بين النموذج الهجين 5B ونموذج الخبراء المزدوج 14B، ومعرفة متى يجب الترقية
المأزق الذي أنت فيه الآن
- تريد توليد الفيديو محليًا، فتبحث عن المتطلبات لتجد أن ذاكرة VRAM تبدأ غالبًا من 24GB، وتبدو بطاقتك بسعة 8GB وكأنها خارج نطاق توليد الفيديو
- تتحدث تقريبًا جميع أدلة Wan2.2 المتوفرة على الإنترنت عن إصدار 14B: ملفا diffusion للضوضاء العالية والمنخفضة، مع أوزان منفصلة لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو، ولا تعرف إن كان إصدار 5B كافيًا لاحتياجاتك
- تشغيل سير عمل Wan2.1 مباشرة على 2.2: ملف VAE غير متطابق، واسم عقدة latent قد تغيّر أيضًا، فتصبح اللوحة حمراء بالأخطاء
متى تستخدم هذه الطريقة
عندما تحتاج إلى:
- توليد الفيديو محليًا ببطاقة رسومية من فئة 8GB: بدقة 720P و24fps ومدة تقارب 5 ثانية للمقطع الواحد
- نموذج واحد بطريقتين: تحويل النص إلى فيديو + تحويل الصورة إلى فيديو، دون تنزيل مجموعتي أوزان
- التحقق السريع من الأفكار: إصدار 5B ينتج الفيديو بسرعة، وبعد الرضا يمكنك التبديل إلى 14B للتحسين الدقيق
وأيضًا لا تريد:
- تنزيل أوزان diffusion مزدوجة مثل تلك الخاصة بإصدار 14B دفعة واحدة (فذلك من شأنالدرس التالي)
- تشغيل الاستدلال بسكربتات Python الرسمية من Wan-AI: فعبء سطر الأوامر مرتفع، والحد الأدنى رسميًا هو 24GB من ذاكرة VRAM (مثل RTX 4090)
🎒 التحضير قبل البدء
- أن تكون قد أتممتالتوليد الأول للصور: معرفة كيفية تحميل سير العمل والتشغيل بالضغط على
Ctrl+Enter - الإلمام بقواعد دليل النماذج: وضع الملفات في الدليل الفرعي المناسب ضمن
models/(راجعأين تُوضع النماذج) - ComfyUI 0.3.46 أو أحدث (الحد الأدنى للإصدار الذي يحدده مكتبة القوالب الرسمية لهذا القالب؛ لطريقة استخدام مكتبة القوالب انظر شرح مكتبة القوالب، وللتغيرات في الإصدارات انظر سجل التحديثات)
- اترك حوالي 17GB على القرص: مجموع الملفات الثلاثة 9.31 + 6.27 + 1.31 GB
- 8GB من ذاكرة VRAM أو أكثر (الرقم الرسمي؛ لم تُقدّم أي التزام رسمي للبطاقات الأصغر، انظر تنبيهات المخاطر)
الفكرة الأساسية
تذكّر أولًا التصاميم الرئيسية الأربعة لـ Wan2.2 5B، فكل خطوة لاحقة هي تحقق منها:
- TI2V = نموذج واحد لمهمتين. TI2V هو اختصار لـ Text-Image-to-Video. 14B جعل توليد الفيديو من النص (T2V) وتوليد الفيديو من الصورة (I2V) مجموعتين من أوزان الخبراء المزدوجة؛ أما 5B فيدعم كليهما بنموذج واحد في الوقت نفسه، ويكفي تنزيل نسخة واحدة من الأوزان.
- نسبة الضغط العالية في VAE هي مفتاح انخفاض ذاكرة VRAM. 5B يستخدم Wan2.2-VAE بنسبة ضغط 16×16×4 (16 ضعفًا مكانيًا و4 أضعافًا زمنيًا)، لذا فإن الـ latent الناتج عن ضغط فيديو 720P صغير جدًا — وهذا هو السبب الجذري لقدرته على تشغيل 720P@24fps على بطاقات الرسوميات المنزلية.
- عقدة latent واحدة، وضعان مختلفان. مدخل
start_imageفيWan22ImageToVideoLatentاختياري: بدون توصيل صورة، يُخرج latent فارغًا ويسلك مسار توليد الفيديو من النص؛ وبعد توصيل صورة، تُرمَّز الصورة عبر VAE في الإطار الأول ويسلك مسار توليد الفيديو من الصورة. عقدة Load Image في القالب مهملة (bypass) افتراضيًا، واضغط Ctrl+B لتمكينها فتصبح توليد فيديو من الصورة. - الـ offloading الأصلي يغطي نقص ذاكرة VRAM. يقوم ComfyUI بنقل النماذج تلقائيًا بين ذاكرة VRAM وذاكرة النظام، دون حاجة لإضافة أي معاملات تشغيل — ونصيحة 8GB من ذاكرة VRAM الرسمية تعتمد عليه.
كيف تختار بين 5B و 14B:
| Wan2.2 TI2V 5B (هذا الدرس) | Wan2.2 14B (بدءًا من الدرس التالي) | |
|---|---|---|
| أوزان diffusion | 1 ملف واحد (9.31 GB) | ملفان: ضجيج عالٍ + ضجيج منخفض، مجموعة لكل من T2V / I2V |
| المهام | توليد فيديو من النص + توليد فيديو من الصورة | توليد فيديو من النص، ومن الصورة، ومن الإطارين الأول والأخير تُتعلم كل على حدة |
| الدقة | 720P(1280×704)@ 24fps | 480P / 720P |
| ذاكرة VRAM | الرقم الرسمي 8GB (offloading أصلي) | أعلى، انظر الدروس اللاحقة |
| VAE | wan2.2_vae.safetensors | wan_2.1_vae.safetensors (تُشير المصادر الرسمية إلى توافقه مع 2.2) |
| عقدة latent | Wan22ImageToVideoLatent | EmptyHunyuanLatentVideo(T2V) وغيرها |
| مناسب لـ | النماذج الأولية السريعة، وذاكرة VRAM المنخفضة، والإبداع اليومي | الإنتاج الرسمي الذي يعطي الأولوية للجودة |
كلا المجموعتين مرخّصتان ببروتوكول Apache 2.0، ولا يلزم توقيع اتفاقية إضافية للاستخدام التجاري.
اتبع خطواتي
الخطوة 1: تحميل قالب سير عمل Wan2.2 5B
السبب: القالب الرسمي يضبط 13 عقدة والمعاملات الافتراضية وروابط تنزيل النماذج بالكامل، فالبدء من القالب يضمن ألا تفوتك أي عقدة وألا تملأ أي معامل خطأً.
- افتح مكتبة القوالب (Browse Templates)، وابحث عن «Wan 2.2 5B»، واعثر على القالب Wan 2.2 5B لتوليد الفيديو (يسمى في الواجهة الإنجليزية Wan 2.2 5B Video Generation)
- انقر للتحميل
يفترض أن ترى: 13 عقدة على اللوحة مرتبة في أربع مجموعات — Step1 - Load models (ثلاثة مُحمِّلات: Load Diffusion Model / Load CLIP / Load VAE)، Step3 - Prompt (اثنان من CLIP Text Encode: موجب وسالب)، For i2v, use Ctrl + B to enable (Load Image، مهملة افتراضيًا)، Video Size & length (Wan22ImageToVideoLatent)، إضافة إلى ModelSamplingSD3 وKSampler وVAEDecode وCreateVideo وSaveVideo وعقدة ملاحظات مكتوب عليها Model Links، دون أي عقدة حمراء.
- اكتمل تحميل القالب، ولا توجد عقد حمراء على اللوحة
الخطوة 2: تنزيل النماذج الثلاثة ووضعها في أماكنها
السبب: القالب يحمل البنية فقط دون الأوزان؛ يجب أن يوضع كل ملف من الملفات الثلاثة في مكانه حتى يظهر في القوائم المنسدلة للمُحمِّلات.
| الملف | يوضع في | الحجم |
|---|---|---|
wan2.2_ti2v_5B_fp16.safetensors | models/diffusion_models/ | 9.31 GB |
umt5_xxl_fp8_e4m3fn_scaled.safetensors | models/text_encoders/ | 6.27 GB |
wan2.2_vae.safetensors | models/vae/ | 1.31 GB |
ملاحظة: مشفّر النص يعيد استخدام ملفات مستودع Wan2.1 (نسخة fp8 من umt5_xxl)، بينما VAE هو الإصدار الجديد من Wan2.2 — فاحذر من الخلط بين الصفوف.
📂 ComfyUI/
└── 📂 models/
├── 📂 diffusion_models/
│ └── wan2.2_ti2v_5B_fp16.safetensors
├── 📂 text_encoders/
│ └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
└── 📂 vae/
└── wan2.2_vae.safetensorsروابط التنزيل (مذكرة Model Links في القالب تحتوي أيضًا على هاتين المجموعتين):
- Hugging Face: Comfy-Org/Wan_2.2_ComfyUI_Repackaged (نموذج diffusion + VAE)، Comfy-Org/Wan_2.1_ComfyUI_repackaged (مشفّر النص)، والملفات في الدليل الفرعي المقابل داخل مستودع
split_files/ - اتصال مباشر داخل الصين: لدى ModelScope (魔搭) مرايا بنفس الاسم Comfy-Org/Wan_2.2_ComfyUI_Repackaged، Comfy-Org/Wan_2.1_ComfyUI_repackaged
يجب أن ترى: الملفات المقابلة قابلة للاختيار في القوائم المنسدلة للمحمّلات الثلاثة (Load Diffusion Model / Load CLIP / Load VAE).
- الثلاثة تظهر في الأدلة الصحيحة ويمكن اختيارها في المحمّلات
💡 يُنصح مستخدمو الصين بالبدء عبر ModelScope
للمستودعين مرايا رسمية على ModelScope بسرعة اتصال مباشر عالية. أسماء الملفات مطابقة تمامًا لـ HF، فقط ضعها في أماكنها وفق الجدول أعلاه.
الخطوة 3: كتابة المطالبات وتشغيل توليد الفيديو من النص بنجاح (إخراج فيلم في 20 خطوة)
لماذا: تحقق أولًا من سلامة السلسلة كاملة بالمعاملات الافتراضية للقالب — القيم الافتراضية 20 خطوة وcfg 5 وuni_pc هي نقطة التوازن التي ضبطها الفريق الرسمي، فلا تتعجل في تغييرها قبل النجاح في التشغيل.
- اكتب الموجّب (Positive Prompt) في عقدة CLIP Text Encode (Positive Prompt). مثال القالب هو وصف كامل لمشهد:
Low contrast. In a retro 1970s-style subway station, a street musician
plays in dim colors and rough textures. He wears an old jacket, playing
guitar with focus. Commuters hurry by, and a small crowd gathers to
listen. The camera slowly moves right, capturing the blend of music and
city noise, with old subway signs and mottled walls in the background.جملة واحدة تغطي المكان والشخصيات والحركة وحركة الكاميرا (The camera slowly moves right) والأجواء — اكتب مشهدك الخاص بنفس هذا البناء.
- عقدة CLIP Text Encode (Negative Prompt) تحتوي على المطالبة السلبية الصينية المرفقة مع القالب، احتفظ بها كما هي الآن:
ألوان زاهية، تعريض مفرط، سكون، تفاصيل ضبابية غير واضحة، ترجمة نصية، أسلوب، عمل، لوحة فنية، مشهد، ثبات،
لون رمادي عام، أسوأ جودة، جودة منخفضة، بقايا ضغط JPEG، قبيح، ناقص، أصابع زائدة،
أيدي مرسومة بشكل سيئ، وجه مرسوم بشكل سيئ، مشوه، مشوّه الملامح، أطراف مشوهة الشكل، التصاق الأصابع،
مشهد ساكن لا يتحرك، خلفية فوضوية، ثلاثة أرجل، كثرة الأشخاص في الخلفية، السير إلى الخلف- تأكد أن KSampler على إعدادات القالب الافتراضية: steps 20 وcfg 5 وsampler
uni_pcوschedulersimple؛ وقيمة shift في ModelSamplingSD3 المجاور هي 8 - اضغط
Ctrl+Enterللتشغيل
يجب أن ترى: شريط التقدم يكتمل في 20 خطوة، ويُحفظ الفيديو عبر عقدة SaveVideo في الدليل الفرعي video/ داخل دليل المخرجات (يبدأ اسم الملف بـ ComfyUI، والصيغة auto افتراضيًا وتكون عادةً MP4)، بدقة 1280×704 و121 إطار و24fps، ومدة نحو 5 ثانية.
- ظهور أول فيديو Wan2.2 لك في دليل المخرجات
💡 يمكن كتابة المطالبات بالصينية
لدى الفريق الرسمي Wan2.2 دليل استخدام (مستند على DingTalk). المطالبات بالصينية أو الإنجليزية كلاهما ممكن — المطالبة السلبية المرفقة مع هذا القالب أصلًا بالصينية؛ واكتب المطالبة الموجبة وفق بناء مثال القالب: المشهد والكائن الرئيسي والحركة والكاميرا والأجواء في جملة واحدة.
الخطوة 4: التبديل إلى توليد الفيديو من صورة (تمكين Load Image بـ Ctrl+B)
لماذا: هذه هي ميزة نموذج TI2V الهجين — نفس مجموعة العقد ونفس الأوزان، ما إن توصل الإطار الأول حتى يصبح توليدًا من صورة.
- اعثر على عقدة Load Image في مجموعة For i2v, use Ctrl + B to enable، فهي افتراضيًا في حالة التجاوز (bypass)
- حددها واضغط
Ctrl+Bللتمكين (اضغط مرة أخرى للعودة إلى التجاوز) - انقر زر الرفع واختر صورتك
- غيّر المطالبة الموجبة لتصف «ما سيحدث في هذا الفيديو»
- شغّل
يجب أن ترى: الإطار الأول للفيديو هو الصورة التي رفعتها، وتتحرك الصورة وفق المطالبة.
- الإطار الأول للفيديو الناتج مطابق للصورة المرفوعة
مثال المطالبة لتوليد الفيديو من صورة في README الرسمي (مقترن بصورة قطة بيضاء بنظارة شمسية تجلس على لوح تصفح):
Summer beach vacation style, a white cat wearing sunglasses sits on a
surfboard. The fluffy-furred feline gazes directly at the camera with a
relaxed expression. Blurred beach scenery forms the background featuring
crystal-clear waters, distant green hills, and a blue sky dotted with
white clouds. The cat assumes a naturally relaxed posture, as if
savoring the sea breeze and warm sunlight. A close-up shot highlights
the feline's intricate details and the refreshing atmosphere of the
seaside.لاحظ أسلوب كتابتها: تصف «كيف يبدو هذا الفيديو وكيف تُصوَّر الكاميرا» (A close-up shot…)، والمحتوى متوافق مع الصورة المدخلة — مطالبة توليد الفيديو من صورة تصف المشهد كاملًا، وليس الحركة فقط.
⚠️ الصورة المرفوعة ستُحجّم إلى أبعاد العقدة
Wan22ImageToVideoLatent سيحوّل الصورة المرفوعة بالتحجيم الخطي المزدوج حسب width/height للعقدة مع التوسيط ثم يرمّزها كإطار أول. للحفاظ على نسبة الصورة الأصلية، غيّر عرض العقدة وارتفاعها إلى نسبة مطابقة للصورة قبل التشغيل.
الخطوة 5: تغيير الدقة والمدة وعدد الإطارات
لماذا: القيم الافتراضية 1280×704 و121 إطار ليست ثابتة؛ لكن للعرض والارتفاع وعدد الإطارات قواعد خطوة (step)، وإدخال قيم عشوائية يسبب مشاكل.
المعاملات الأربعة لـ Wan22ImageToVideoLatent:
| المعامل | افتراضي القالب | القاعدة | الشرح |
|---|---|---|---|
| width | 1280 | خطوة 32 | 720P الوضع الأفقي هو 1280×704 |
| height | 704 | خطوة 32 | الوضع الرأسي 704×1280 (مدعوم رسميًا بوضوح) |
| length | 121 | خطوة 4، خذ 4n+1 | 121 إطار ÷ 24fps ≈ 5 ثانية |
| batch_size | 1 | — | كم مقطعًا يُولَّد دفعة واحدة |
- لفيديو رأسي: املأ width بـ 704 وheight بـ 1280
- لتقصير المدة وتوفير ذاكرة VRAM: غيّر length إلى 81 (نحو 3.4 ثانية) أو 49 (نحو 2 ثانية)
- معدل الإطارات يُعدَّل في عقدة CreateVideo (القالب يضبطه على 24): 121 إطار @ 24fps ≈ 5.04 ثانية
يجب أن ترى: بعد تغيير المعاملات وإعادة التشغيل، تتغير أبعاد الفيديو الناتج ومدته تبعًا لذلك.
- يغيّر قيمة length، ويستطيع أن يشرح لماذا يجب أن تكون 4n+1
::: التفاصيل: لماذا عدد الإطارات هو 4n+1؟ يضغط Wan2.2-VAE على البُعد الزمني بمقدار 4 أضعاف: ستُضغط إطارات length إلى ((length−1)÷4)+1 شريحة زمنية. لذلك لا يمكن لـ length أن تأخذ إلا قيمًا مثل 49 و81 و121، أي على شكل 4n+1، وتحديد العقدة للخطوة بقيمة 4 هو بالضبط لضمان ذلك. :::
نقطة تحقق ✅
- نجاح توليد الفيديو من النص: فيديو بـ 20 خطوة و1280×704 ومدة حوالي 5 ثوانٍ يظهر في مجلد الإخراج
- نجاح توليد الفيديو من الصورة: بعد تمكين Load Image عبر Ctrl+B، يتطابق الإطار الأول مع الصورة المرفوعة
- يستطيع ذكر أسماء ملفات المكونات الثلاثة ومجلد كل منها (diffusion_models / text_encoders / vae)
- يعرف أن length تأخذ 4n+1 وأن خطوة العرض والارتفاع 32، ويستطيع بنفسه تغيير المدة وأبعاد الإطار
- يستطيع ذكر سببين لقدرة 8GB على التشغيل: VAE بنسبة ضغط عالية 16×16×4 + إلغاء التحميل (offloading) الأصلي
تنبيهات للمزالق
❌ رفعت صورة، لكن الناتج ليس هو
عقدة Load Image في وضع التجاوز (bypass) افتراضيًا؛ مجرد تغيير الصورة داخل العقدة دون تمكينها يعني أن start_image لم يُرسل إطلاقًا إلى عقدة latent، وما يعمل هو توليد فيديو من النص فقط.
الطريقة الصحيحة: حدد Load Image واضغط Ctrl+B لتمكينها، وتأكد من أن العقدة لم تعد بأسلوب التجاوز، ثم شغّل.
❌ تنزيل ملف VAE خاطئ: wan2.2_vae وwan_2.1_vae يفرق بينهما رقم واحد فقط
5B يستخدم Wan2.2 الجديد VAE (wan2.2_vae.safetensors، بنسبة ضغط 16×16×4)؛ أما 14B في تلك الدروس فيستخدم wan_2.1_vae.safetensors (الموثّق رسميًا كمتوافق مع 2.2). latent الخاص بفيديو 5B هو بقنوات 48 (مثبّت في الكود المصدري للعقدة)، وlatent الذي يضغطه VAE القديم والجديد ليسا قابلين للتبادل.
الطريقة الصحيحة: نزّل وفق جدول الخطوة رقم 2، ولا تفتح بالخطأ روابط VAE في دروس 14B.
❌ ذاكرة عرض أقل من 8GB ومع ذلك تشغيل 720P×121 إطارًا
الموقف الرسمي هو «8GB مع إلغاء التحميل (offloading) الأصلي». مع ذاكرة أصغر، أو عند رفع الدقة أو عدد الإطارات، يكبر latent وقد يحدث OOM مباشرة.
الطريقة الصحيحة: قلّل length أولًا (121 ← 81 ← 49)، ثم اخفض الدقة (بمضاعفات 32). استهلاك ذاكرة العرض مرتبط مباشرة بحجم latent: عدد الإطارات × العرض × الارتفاع.
❌ إدخال length بقيمة 120 وwidth بقيمة 1281
القيم الصالحة لـ length هي 4n+1 (49 و81 و121…)، ويجب أن يكون width/height من مضاعفات 32 — هذه خطوة مثبّتة في مخطط (schema) العقدة. عند الإدخال في الواجهة التزم بالخطوة؛ وعند تمرير القيم من عقد أخرى، عليك الالتزام بهذه القاعدة بنفسك.
الطريقة الصحيحة: اختر عدد الإطارات من 49 / 81 / 121، واختر العرض والارتفاع من مضاعفات 32. 1280×704 و704×1280 كلاهما تركيبات 720P موثّقة رسميًا.
تقنيات متقدمة (اختياري)
توسيع العبارات القصيرة إلى مطالبات كاملة
يوجد في مستودع Wan-AI الرسمي أسلوب توسيع المطالبات (prompt extension): استخدام dashscope API أو نموذج Qwen محلي لتوسيع عبارة قصيرة إلى وصف مشهد كامل، ويذكر المسؤولون أن ذلك يثري تفاصيل الفيديو بفعالية. لا توجد هذه العقدة في قالب ComfyUI، لكن الفكرة يمكن نقلها مباشرة: خذ عبارة قصيرة مثل «قطان بشريّان يتلاكمان على حلبة تحت أضواء المسرح» وأعطها لأي LLM لتوسيعها إلى جملة طويلة كأمثلة القالب، ثم الصقها في الموجه الإيجابي.
تريد التجربة أولًا قبل تنزيل الأوزان
أطلق Wan-AI على Hugging Face Space لـ Wan-2.2-5B عبر الإنترنت، فإذا لم ترغب في تنزيل أوزان بحجم 17GB أولًا يمكنك تجربة بضع مقاطع هناك، وإذا وجدته يستحق فارجع إلى النشر المحلي.
اتجاهات عملية لتوليد الفيديو من الصورة
بعد إتقان توليد الفيديو من الصورة في 5B، يمكنك التوجه مباشرة إلى سيناريو التجارة الإلكترونية: فيديو المنتجات: اجعل صورة المنتج تتحرك يتناول بالضبط استخدام مسار توليد الفيديو من الصورة في فيديوهات الصور الرئيسية للمنتجات. ولمزيد من الجودة في توليد الفيديو من الصورة، المحطة التالية هي Wan2.2 14B لتوليد الفيديو من الصورة الذي يستخدم أوزان I2V مخصصة.
خلاصة هذا الدرس
✅ في هذا الدرس نجحنا في تشغيل طريقتين لسير عمل Wan2.2 5B:
- ✅ توليد الفيديو من النص: القالب الرسمي + أوزان المكونات الثلاثة، 20 خطوة، cfg 5، uni_pc، 1280×704 بإنتاج خلال حوالي 5 ثوانٍ
- ✅ توليد الفيديو من الصورة: تمكين Load Image عبر Ctrl+B، الصورة كإطار أول، ونفس الأوزان دون تغيير
- ✅ قواعد المعاملات: خطوة العرض والارتفاع 32، وlength تأخذ 4n+1، وتعرف كيف تغيّر الأبعاد والمدة بنفسك
- ✅ مبدأ الذاكرة المنخفضة: VAE بنسبة ضغط عالية 16×16×4 + إلغاء التحميل (offloading) الأصلي في ComfyUI، ذاكرة عرض بمقدار 8GB كافية للتشغيل
مراجعة حقول الإعدادات الرئيسية:
| الحقل | القيمة الموصى بها | الشرح |
|---|---|---|
| Load Diffusion Model | wan2.2_ti2v_5B_fp16.safetensors | 5B نموذج هجين، أبقِ weight_dtype على default |
| Load CLIP | umt5_xxl_fp8_e4m3fn_scaled.safetensors | اختر type كـ wan |
| Load VAE | wan2.2_vae.safetensors | 5B VAE جديد مخصص، لا تستخدم الخاص بـ 2.1 |
| KSampler | 20 خطوة / cfg 5 / uni_pc + simple | الافتراضي في القالب |
| ModelSamplingSD3 shift | 8 | الافتراضي في القالب |
| Wan22ImageToVideoLatent | 1280×704 / length 121 | العرض والارتفاع بخطوة 32، وlength يأخذ قيمة 4n+1 |
| CreateVideo | fps 24 | 121 إطارًا ≈ 5 ثوانٍ |
| Load Image | متجاوز افتراضيًا، Ctrl+B التمكين | التمكين = وضع تحويل الصورة إلى فيديو |
استعراض الدرس التالي
5B يعالج مسألة «أن يعمل»، بينما يعالج الدرس التالي مسألة «أن يعمل جيدًا»: Wan2.2 14B تحويل النص إلى فيديو: نموذج الخبراء المزدوج ينتج أفلامًا رائعة. ستتعلم:
- ما معنى تقسيم العمل في نموذج الخبراء المزدوج MoE للضوضاء العالية/المنخفضة حسب خطوات زمن إزالة الضوضاء
- 14B تنزيل النموذج، والفرق بين
EmptyHunyuanLatentVideoوعقدة latent في هذا الدرس - متى يستحق الأمر الترقية من 5B إلى 14B
ملحق: مرجع الكود المصدري
انقر للتوسيع لعرض موضع الكود المصدري
وقت التحديث: 2026-11-05 (قالب مكتبة القوالب video_wan2_2_5B_ti2v، الحد الأدنى للإصدار الرسمي المعلن ComfyUI 0.3.46)
| المحتوى | الموضع |
|---|---|
| الدرس الرسمي (Wan2.2، يتضمن فصل 5B) | https://docs.comfy.org/tutorials/video/wan/wan2_2 |
| قالب سير العمل JSON | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_5B_ti2v.json |
| مستودع الأوزان (Hugging Face) | https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
| مستودع الأوزان (مرآة ModelScope) | https://modelscope.cn/models/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
| README لمستودع Wan-AI الرسمي (5B 720P، 16×16×4، أمثلة على المطالبات) | https://github.com/Wan-Video/Wan2.2 |
Wan22ImageToVideoLatent الكود المصدري للعقدة | comfy_extras/nodes_wan.py (L1418–L1459) |
SaveVideo / CreateVideo الكود المصدري للعقدة | comfy_extras/nodes_video.py (L137–L166 / من L209) |
جميع معاملات هذه الصفحة (KSampler 20 خطوة / cfg 5 / uni_pc + simple، shift 8، 1280×704 / length 121 / fps 24، أسماء الملفات الثلاثة وأحجامها، Load Image متجاوز افتراضيًا) تم التحقق منها من قيم العقد الفعلية في قالب JSON video_wan2_2_5B_ti2v.json؛ ومعايير ذاكرة الفيديو والدقة مأخوذة من الدرس الرسمي وREADME الخاص بـ Wan-AI.