Wan2.2 14B لتحويل النص إلى فيديو: نموذج الخبراء المزدوج ينتج أفلامًا رائعة
نموذج 5B في الدرس السابق حلّ مشكلة «أن يعمل»، أما نموذج 14B في هذا الدرس فيحلّ مشكلة «أن يعمل جيدًا». Wan2.2-T2V-A14B هو نموذج تحويل النص إلى فيديو من Tongyi Wanxiang التابع لشركة Alibaba: بمعمارية MoE ثنائية الخبراء، ويدعم فيديو مدته 5 ثانية بدقة 480P و720P، وبرخصة Apache 2.0 يمكن استخدامه تجاريًا، وتذكر الجهة الرسمية أنه يتفوق على النماذج التجارية الرائدة في معظم الأبعاد الرئيسية على معيار Wan-Bench الخاص بها 2.0.
في هذه الصفحة نشغّل سير عمل 14B لـ Wan2.2 لتحويل النص إلى فيديو بالكامل: تنزيل المجموعة الرباعية ثنائية الخبراء، وإنتاج الفيديو في 20 خطوة، وتفعيل وضع Turbo لتسريع 4 خطوة، وتغيير الدقة والمدة بأنفسنا. ونوضح أيضًا حد ذاكرة الرسومات: يتطلب سكربت Python الرسمي 80GB وفق معياره، بينما يستخدم ComfyUI أوزان fp8 مع إلغاء التحميل التلقائي، والملاحظة المقاسة على القالب هي تشغيل 640×640 على بطاقة بذاكرة 24GB (RTX 4090D).
ماذا ستستطيع أن تفعل بعد هذا الدرس
- تحميل القالب الرسمي وتشغيل Wan2.2 14B لتحويل النص إلى فيديو: أخذ عينات في 20 خطوة، وإخراج فيديو بدقة 640×640 و81 إطارًا ومدته حوالي 5 ثانية
- أن تشرح كيف يتقاسم خبيرا MoE العمل: الخبير عالي الضوضاء مسؤول عن التكوين، والخبير منخفض الضوضاء مسؤول عن التفاصيل، ومعلمات 27B لا تُنشّط سوى 14B في كل خطوة
- تفعيل وضع Turbo بنقرة واحدة: توصيل LoRA الخاص بـ lightx2v بخطوات 4، وإنتاج الفيديو في 4 خطوة، فتجربة المطالبات أسرع بعدة أضعاف من 20 خطوة
- تغيير المعلمات وفق القواعد: العرض والارتفاع من مضاعفات 16 وعدد الإطارات بالصيغة 4n+1، وتعديل 480P/720P والمدة بنفسك دون أخطاء
- التمييز بين
EmptyHunyuanLatentVideoفي هذا الدرس وWan22ImageToVideoLatentفي الدرس السابق، ومعرفة متى تستحق الترقية من 5B إلى 14B
المأزق الذي أنت فيه الآن
- نجحت في تشغيل 5B، لكن الإنتاج الرسمي يبدو دائمًا ناقصًا: الحركة المعقدة تسبب ضبابية، وما زلت بعيدًا خطوة عن «الإحساس السينمائي»
- تريد الانتقال إلى 14B، لكنك تجد أن عليك تنزيل ملفي diffusion بحجم 13GB لكل منهما، والسكربت الرسمي يذكر 80GB من ذاكرة الرسومات، فتتراجع مباشرة
- دروس وقوالب 14B على الإنترنت لا تتطابق: الدروس القديمة مليئة بالعقد المتفرقة، بينما غلّف القالب الرسمي الآن كل شيء في عقدة مجموعة فرعية واحدة، وأضاف مفتاح Turbo
متى تستخدم هذه الطريقة
عندما تحتاج إلى:
- إنتاج رسمي بجودة أولاً: تحكم جمالي سينمائي، وحركات معقدة واسعة النطاق، ومشاهد متعددة الكائنات
- مادة فيديو قصيرة بدقة 480P / 720P ومدتها حوالي 5 ثانية — وفق المعيار الرسمي فهي مناسبة لسيناريوهات إنشاء المحتوى والإبداع الفني والتعليم والتدريب
- مشاريع تجارية: برخصة Apache 2.0، يكفي الاحتفاظ بإشعار حقوق النشر للاستخدام التجاري
ولا تريد:
- تشغيل الاستدلال بسكربت Python الرسمي من Wan-AI: عتبة سطر الأوامر مرتفعة، والمعيار الرسمي يتطلب 80GB من ذاكرة الرسومات على الأقل
- انتظار أخذ العينات الكاملة بـ 20 خطوة لكل مقطع: استخدم Turbo بـ 4 خطوة أولًا لاختيار التكوين، ثم شغّل بدقة عند الاعتماد النهائي
🎒 الاستعدادات قبل البدء
- أكملت بنجاح الدرس السابق Wan2.2 5B سير العمل: تعرف كيف تحمّل قالب الفيديو، وتعدّل الإيجابي والسلبي prompts، وتشغّل بالضغط على
Ctrl+Enter - تعرف قواعد مجلد النماذج: تضع الملفات في المجلد الفرعي المناسب تحت
models/(راجع أين توضع النماذج) - ComfyUI 0.16.4 أو أحدث (الحد الأدنى للإصدار الذي يشير إليه مستودع القوالب الرسمي لهذا القالب؛ طريقة استخدام مستودع القوالب موضحة في شرح مستودع القوالب، وتغييرات الإصدارات في سجل التحديثات)
- اترك حوالي 33GB على القرص: المجموعة الرباعية 13.31 + 13.31 + 6.27 + 0.24 GB؛ وإذا أردت تفعيل Turbo أضف ملفي LoRA بحجم 1.14 GB لكل منهما
- ذاكرة رسومية بمستوى 24GB (وفق ملاحظة القياس الفعلي للقالب: RTX 4090D عند 640×640 يستهلك 84%؛ للبطاقات الأصغر راجع حل GGUF في نصائح المستوى المتقدم)
الفكرة الأساسية
تذكّر أولاً التصاميم الأربعة الرئيسية لـ Wan2.2 14B، فكل خطوة لاحقة تتحقق منها:
- MoE ثنائي الخبراء = تقسيم عملية إزالة الضوضاء إلى نصفين. قدّم Wan2.2 بنية Mixture-of-Experts لنموذج انتشار الفيديو: خبير الضوضاء العالية يتولى المرحلة المبكرة من إزالة الضوضاء ويركز على التخطيط العام؛ خبير الضوضاء المنخفضة يتولى المرحلة المتأخرة وينقّح تفاصيل الفيديو. كل خبير حوالي 14B من المعاملات بإجمالي 27B، لكن في كل خطوة يُنشَّط خبير واحد فقط (14B) — لذلك لا ترتفع تقريبًا قوة الحوسبة ولا ذاكرة الرسوم في الاستدلال. الموقف الرسمي: نقطة التبديل بين الخبيرين يحددها معدل الإشارة إلى الضوضاء (SNR).
- القالب هو ببساطة «محمّلان + مُعيّنان». محمّلا Load Diffusion Model يحمّلان أوزان الضوضاء العالية والمنخفضة؛ ومُعيّنا KSamplerAdvanced يتناوبان على أخذ العينات — في الوضع القياسي يشتغل مُعيّن الضوضاء العالية على الخطوات 0←10، ثم يكمل مُعيّن الضوضاء المنخفضة الخطوات 10←20. قيمة shift في كلا عقدَي ModelSamplingSD3 هي 5.
- استُبدل عقدة الـ latent بـ
EmptyHunyuanLatentVideo. يعود 14B إلىwan_2.1_vae(الملاحظة الرسمية تقول إنه متوافق مع Wan2.2)، والـ latent بـ 16 قناة وبضغط مكاني بمقدار 8× — وهو غير متوافق مع الـ latent الجديد ذي 48 قناة من VAE نموذج 5B في الدرس السابق، لذلك تغيّرت العقدة أيضًا. - وضع Turbo مجرد مفتاح. يضم القالب تبديلًا تلقائيًا لـ LoRA الخاص بـ lightx2v بـ 4 خطوات: عند تشغيل
enable_turbo_mode، يتحول مسار النموذج تلقائيًا إلى النسخة المزوّدة بـ LoRA، وتصبح الخطوات 20←4 وcfg 3.5←1.
كيف تختار بين 5B و14B:
| Wan2.2 TI2V 5B (الدرس السابق) | Wan2.2 T2V 14B (هذا الدرس) | |
|---|---|---|
| أوزان diffusion | 1 ملف واحد (9.31 GB) | ملفان: ضوضاء عالية + ضوضاء منخفضة (لكل منهما 13.31 GB) |
| عدد المعاملات | 5B نموذج مفرد كثيف | MoE ثنائي الخبراء: إجمالي 27B، ويُنشَّط 14B في كل خطوة |
| المهام | نموذج واحد للنص إلى فيديو + الصورة إلى فيديو | يختص بالنص إلى فيديو فقط (الصورة إلى فيديو والإطار الأول والأخير لها أوزان أخرى) |
| VAE | wan2.2_vae.safetensors (16×16×4) | wan_2.1_vae.safetensors (الملاحظة الرسمية تقول إنه متوافق مع 2.2) |
| عقدة الـ latent | Wan22ImageToVideoLatent (48 قناة، وخطوة العرض والارتفاع 32) | EmptyHunyuanLatentVideo (16 قناة، وخطوة العرض والارتفاع 16) |
| الدقة | 720P (1280×704) @ 24fps | 480P / 720P (الافتراضي في القالب 640×640 @ 16fps) |
| ذاكرة الرسوم | الموقف الرسمي 8GB | ملاحظة القالب 24GB قياس فعلي 84% (640×640) |
| مناسب لـ | النماذج الأولية السريعة، والذاكرة المنخفضة، والإبداع اليومي | الإنتاج الرسمي الذي يقدم الأولوية للجودة |
كلا النموذجين مرخّصان ببروتوكول Apache 2.0، ولا حاجة لتوقيع اتفاقية إضافية للاستخدام التجاري.
اتبع خطواتي
الخطوة 1: تحميل قالب النص إلى فيديو لـ Wan2.2 14B
السبب: يغلّف القالب الرسمي تحميل الخبيرين، والمُعيّنين، ومفتاح Turbo كلها في عقدة مخطط فرعي واحدة Text to Video(Wan2.2)، معروضة على سطح العقدة جميع المعاملات الشائعة، فلا خطر من توصيل الأسلاك خطأً.
- افتح مستودع القوالب (Browse Templates)، وابحث عن «Wan2.2 14B T2V»، واعثر على القالب Wan万相 2.2 14B نص إلى فيديو (يسمى في الواجهة الإنجليزية Wan 2.2 14B Text to Video)
- انقر للتحميل
ينبغي أن ترى: على اللوحة عقدة مخطط فرعي كبيرة Text to Video(Wan2.2) مع عقدة SaveVideo، وبجانبهما ورقتا ملاحظات توضيحيتان — Model Links (روابط تنزيل جميع النماذج) و VRAM Usage (سجلات رسميات لاستهلاك الذاكرة والوقت المقاسة فعليًا). على سطح عقدة المخطط الفرعي توجد المعاملات: النص التوجيهي، وwidth / height، وduration، ونموذج الضوضاء العالية/المنخفضة، وLightning LoRA للضوضاء العالية/المنخفضة، ومُرمِّز النص، وVAE، و enable_turbo_mode، دون أي عقدة حمراء.
- تم تحميل القالب، ولا توجد عقد حمراء على اللوحة
ماذا يوجد داخل المخطط الفرعي؟ (انظر هنا إذا لم يطابق الدروس القديمة على الإنترنت)
يحتوي المخطط الفرعي Text to Video(Wan2.2) في ملف JSON الخاص بالقالب داخليًا على: عقدتي Load Diffusion Model (ضوضاء عالية/منخفضة)، وعقدتي LoraLoaderModelOnly (LoRA بخطوات 4 المستخدمة لـ Turbo)، وLoad CLIP (مع اختيار type بقيمة wan)، وLoad VAE، وعقدتي ModelSamplingSD3 (بقيمة shift 5)، وعقدتي CLIP Text Encode إيجابية وسلبية، و EmptyHunyuanLatentVideo، وعقدتي KSamplerAdvanced (أخذ عينات متتابع)، وVAEDecode، وCreateVideo (بمعدل fps 16). في الدروس القديمة كانت هذه عقدًا متفرقة، أما الآن فقد حزمتها الجهة الرسمية في مخطط فرعي واحد، تاركة في الخارج المعاملات الشائعة الاستخدام فقط.
الخطوة 2: تنزيل النماذج الأربعة ووضعها في مواضعها
السبب: 14B يعتمد بنية الخبراء المزدوجة، وأوزان diffusion تتكون من ملفين؛ وبإضافة مُرمِّز النص وVAE يصبح المجموع أربعة. ضع كلًا منها في موضعه، حتى تظهر في القوائم المنسدلة على عقدة المخطط الفرعي.
| الملف | يوضع في | الحجم |
|---|---|---|
wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors | models/diffusion_models/ | 13.31 GB |
wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors | models/diffusion_models/ | 13.31 GB |
umt5_xxl_fp8_e4m3fn_scaled.safetensors | models/text_encoders/ | 6.27 GB |
wan_2.1_vae.safetensors | models/vae/ | 242.1 MB |
انتبه إلى نقطتين «غير بديهيتين»: مُرمِّز النص يعيد استخدام نسخة umt5 fp8 من مستودع Wan2.1؛ وVAE أيضًا هو الخاص بـ 2.1 (مع ملاحظة رسمية بأنه متوافق مع Wan2.2) — أما wan2.2_vae الذي استخدمه 5B في الدرس السابق فلا ينطبق في هذا الدرس.
📂 ComfyUI/
└── 📂 models/
├── 📂 diffusion_models/
│ ├─── wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors
│ └─── wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors
├── 📂 text_encoders/
│ └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors
└── 📂 vae/
└─── wan_2.1_vae.safetensorsروابط التنزيل (ورقة الملاحظات Model Links في القالب تتضمن أيضًا هاتين المجموعتين):
- Hugging Face: Comfy-Org/Wan_2.2_ComfyUI_Repackaged (diffusion اثنان + VAE)، وComfy-Org/Wan_2.1_ComfyUI_repackaged (مُرمِّز النص)، والملفات في الدليل الفرعي المقابل تحت
split_files/في المستودع - اتصال مباشر داخل الصين: لدى ModelScope (魔搭) نسخ مرآة بنفس الاسم Comfy-Org/Wan_2.2_ComfyUI_Repackaged، وComfy-Org/Wan_2.1_ComfyUI_repackaged
(اختياري) إذا أردت تفعيل وضع Turbo، نزّل أيضًا اثنين من LoRA المسرِّعة وضعهما في models/loras/:
| الملف | الحجم |
|---|---|
wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors | 1.14 GB |
wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors | 1.14 GB |
ينبغي أن ترى: القوائم المنسدلة الأربع على عقدة المخطط الفرعي high_noise_model / low_noise_model / clip_name / vae_name تتيح تحديد الملفات المقابلة فيها جميعًا.
- المجموعة الرباعية (+ LoRA الاختياريين) تظهر في الدلائل الصحيحة ويمكن تحديدها من القوائم المنسدلة
💡 يُنصح مستخدمو الصين بالبدء عبر ModelScope
لدى كلا المستودعين نسخ مرآة رسمية على ModelScope، بسرعة اتصال مباشر عالية، وأسماء الملفات مطابقة تمامًا لـ HF، فقط ضعها في مواضعها وفق الجدول أعلاه.
الخطوة 3: كتابة النص التوجيهي وتشغيل Wan2.2 لتحويل النص إلى فيديو (إنتاج فيديو في 20 خطوة)
السبب: تحقق أولًا من سلامة السلسلة كاملة باستخدام المعاملات الافتراضية للقالب. الوضع الافتراضي هو الوضع القياسي: 20 خطوة، وcfg 3.5، وeuler + simple، مع تشغيل خبير الضوضاء العالية لأول 10 خطوات وخبير الضوضاء المنخفضة لآخر 10 خطوات — هذه القيم الافتراضية هي نقطة التوازن التي ضبطتها الجهة الرسمية، فلا تتعجل في تغييرها قبل التشغيل الناجح.
- اكتب وصفًا كاملًا للمشهد في النص التوجيهي الإيجابي (text) على عقدة المخطط الفرعي. مثال القالب:
Beautiful young European woman with honey blonde hair gracefully turning
her head back over shoulder, gentle smile, bright eyes looking at camera.
Hair flowing in slow motion as she turns. Soft natural lighting, clean
background, cinematic slow-motion portrait.- النص التوجيهي السلبي فقرة صينية مرفقة مع القالب، اتركها كما هي في الوقت الحالي:
色调艳丽,过曝,静态,细节模糊不清,字幕,风格,作品,画作,画面,静止,
整体发灰,最差质量,低质量,JPEG压缩残留,丑陋的,残缺的,多余的手指,
画得不好的手部,画得不好的脸部,畸形的,毁容的,形态畸形的肢体,手指融合,
静止不动的画面,杂乱的背景,三条腿,背景人很多,倒着走,裸露,NSFW- تأكد من أن
enable_turbo_modeفي حالة إيقاف (إيقاف افتراضيًا) - اضغط
Ctrl+Enterللتشغيل
ينبغي أن ترى: شريط التقدم يكتمل عند 20 خطوة، ويحفظ الفيديو عبر عقدة SaveVideo في الدليل الفرعي video/ داخل مجلد المخرجات (يبدأ اسم الملف بـ ComfyUI، والصيغة الافتراضية auto)، بدقة 640×640، و81 إطارًا، و16fps، وبمدة نحو 5 ثوانٍ. ورقة الملاحظات بالقياسات الفعلية للقالب (RTX 4090D، 640×640): الوضع القياسي (fp8_scaled) يستغرق نحو 536 ثانية للمقطع الأول ونحو 513 ثانية للمقطع الثاني.
- يظهر في مجلد المخرجات أول فيديو Wan2.2 14B لك
الخطوة 4: تفعيل وضع Turbo وإنتاج فيديو سريع في 4 خطوات
السبب: 20 خطوة تعني انتظار ثماني أو تسع دقائق، وهذا بطيء جدًا لتجربة النصوص التوجيهية بشكل متكرر. يتضمن القالب تبديلًا تلقائيًا لـ LoRA بخطوات lightx2v 4 — مفتاح واحد يبدّل في الوقت نفسه مسار النموذج وعدد الخطوات وcfg، دون حاجة إلى التغيير يدويًا في ثلاثة مواضع.
- تأكد من تنزيل اثني LoRA الخاصين بـ 4steps ووضعهما في موضعهما (الخيار في الخطوة 2)
- شغّل
enable_turbo_modeعلى عقدة المخطط الفرعي - التشغيل
يجب أن ترى: هذه المرة يتم تشغيل 4 خطوات فقط — الخبير عالي الضوضاء 0→2، والخبير منخفض الضوضاء 2→4، وانخفض cfg إلى 1؛ وفقًا لقياس الملاحظات الفعلية للقالب: المقطع الأول حوالي 108 ثانية، والمقطع الثاني حوالي 71 ثانية.
- تم تشغيل وضع Turbo بنجاح، وانخفض وقت إنتاج الفيديو بشكل ملحوظ
ما الذي يحدث خلف هذا المفتاح:
| المعامل | الوضع القياسي | وضع Turbo |
|---|---|---|
| إجمالي الخطوات | 20 | 4 |
| الفاصل بين الضوضاء العالية/المنخفضة | الخطوة 10 | الخطوة 2 |
| cfg | 3.5 | 1 |
| Lightning LoRA | لا يتم تحميله | يتم تحميل واحد لكل من الضوضاء العالية والمنخفضة (strength 1.0) |
| مناسب لـ | إنتاج الفيديوهات النهائية | تجربة سريعة للـ prompts واختيار التكوين |
⚠️ استخدم Turbo لاختيار التكوين، والوضع القياسي لإنتاج الفيديو النهائي
4 خطوة هي مخطط تسريع يضحّي بعدد الخطوات مقابل السرعة. سير العمل المقترح: اجعل Turbo مفعّلًا لتجربة الـ prompts والتكوينات بشكل جماعي، وبعد الاختيار أغلق المفتاح وأعد التشغيل في الوضع القياسي بـ 20 خطوة للنسخة النهائية.
الخطوة 5: تغيير الدقة والمدة وعدد الإطارات
السبب: القيم الافتراضية للقالب 640×640 و 5 ثانية ليست ثابتة؛ لكن للعرض والارتفاع وعدد الإطارات قواعد خطوة خاصة بكل منها، وملؤها بشكل خاطئ سيؤدي إلى مشاكل.
ثلاثة معاملات على عقدة الرسم الفرعي:
| المعامل | الافتراضي في القالب | القاعدة | الشرح |
|---|---|---|---|
| width | 640 | مضاعفات 16 | يتوافق مع خطوة عقدة latent 16 |
| height | 640 | مضاعفات 16 | نفس ما سبق |
| duration | 5 | الوحدة: ثانية | يتم تحويل عدد الإطارات تلقائيًا داخليًا: length = duration × fps + 1 |
- لتشغيل 480P: املأ width بـ 848 و height بـ 480 (القيمة الافتراضية لعقدة
EmptyHunyuanLatentVideoنفسها هي هذه المجموعة) - لتشغيل 720P: املأ width بـ 1280 و height بـ 720 (مثال سطر الأوامر الرسمي يستخدم هذه الأبعاد)
- لتغيير المدة: عدّل duration مباشرة (بالثواني). 5 ثانية × 16fps + 1 = 81 إطار؛ تغييرها إلى 3 ثانية يعني 49 إطارًا
- معدل الإطارات موجود في عقدة CreateVideo داخل الرسم الفرعي (القالب يضبطه على 16)، ولا يحتاج عادةً إلى تعديل — تعديل duration يكفي لضبط المدة
يجب أن ترى: بعد تعديل المعاملات وإعادة التشغيل، ستتغير دقة الفيديو الناتج ومدته تبعًا لذلك.
- تستطيع تعديل width / height / duration، وأن تشرح سبب كون عدد الإطارات 4n+1
لماذا يظل عدد الإطارات 4n+1؟
الـ latent الذي يولده EmptyHunyuanLatentVideo مضغوط بمقدار 4 مرة في البعد الزمني: سيتم ضغط length إطار إلى ((length−1)÷4)+1 شريحة زمنية. لذلك لا يمكن لـ length إلا أن يأخذ قيمًا مثل 1 و 5 و 9……81 أي قيمًا بصيغة 4n+1، وتحديد العقدة للخطوة بـ 4 هو ما يضمن ذلك. و duration × fps + 1 (5×16+1=81) يقع تمامًا على هذا المتتالية.
نقطة التحقق ✅
- تم تشغيل الوضع القياسي بنجاح: ظهور فيديو بـ 20 خطوة و 640×640 و 81 إطارًا ومدته حوالي 5 ثانية في مجلد الإخراج
- تم تشغيل وضع Turbo بنجاح: إنتاج الفيديو في 4 خطوات، وانخفض الوقت إلى أقل من 2 دقيقة (بقياس بطاقة 24GB)
- يمكنه ذكر أسماء الملفات الأربعة ومجلد كل منها (diffusion_models ×2 / text_encoders / vae)
- يمكنه ذكر تقسيم العمل بين خبيرَي MoE: عالي الضوضاء يتولى التخطيط العام، ومنخفض الضوضاء يتولى تنقيح التفاصيل، بإجمالي 27B من المعاملات وتنشيط 14B في كل خطوة
- يعرف أن العرض والارتفاع يُؤخذان كمضاعفات 16 وأن length يُؤخذ بصيغة 4n+1، ويمكنه بنفسه تعديل 480P/720P والمدة
تنبيهات للمزالق
❌ تم تنزيل ملف diffusion واحد فقط
14B ذو خبيرين: ملفا high_noise و low_noise كلاهما ضروري ولا غنى عن أحدهما. إذا نزّلت واحدًا فقط، فلن تجد الملف الآخر في القائمة المنسدلة للـ unet الآخر على عقدة الرسم الفرعي، ولن يعمل سير العمل.
الطريقة الصحيحة: نزّل الملفات الأربعة كاملة وفقًا لجدول الخطوة 2، وضع عالي الضوضاء ومنخفض الضوضاء كلًّا في مكانه.
❌ خطأ جديد في تنزيل VAE: هذه المرة يجب استخدام 2.1 الخاص بـ
في الدرس السابق استخدم 5B الـ wan2.2_vae، أما في هذا الدرس فالعكس: يستخدم 14B الـ wan_2.1_vae (الموقع الرسمي يشير إلى توافقه مع Wan2.2). عدد قنوات الـ latent مختلف بين عائلتي النموذجين (5B لديه 48 قناة، و 14B لديه 16 قناة)، فلا يمكن خلط ملفات VAE بينهما.
الطريقة الصحيحة: في هذا الدرس نعتمد wan_2.1_vae.safetensors فقط، ولا تُعِد استخدام VAE من الدرس السابق بحكم العادة.
❌ تفعيل Turbo دون تنزيل ملفات LoRA
بعد تفعيل enable_turbo_mode، سيحوّل القالب مدخلات النموذج لأدوات أخذ العينات إلى المسار المُحمَّل بـ LoRA؛ وإذا لم يكن ملف LoRA موجودًا في models/loras/ فلن يمكن تحديده من القائمة المنسدلة وستتعطل العملية مباشرة.
الطريقة الصحيحة: نزّل أولًا ملفَي wan2.2_t2v_lightx2v_4steps_lora_v1.1_*.safetensors (كل واحد 1.14 GB) وضعهما في مكانهما، ثم فعّل المفتاح.
❌ تشغيل 720P بالقوة على كرت بذاكرة أقل من 24GB
هناك سبب لكون القالب يعتمد افتراضيًا 640×640: في الاختبار الفعلي للقالب، شغّل هذا الحجم على بطاقة 24GB واستهلك بالفعل 84% من ذاكرة VRAM. إذا انتقلت مباشرة إلى 1280×720، يكبر الـ latent ويرتفع استهلاك الذاكرة معه، ومن السهل جدًا الوقوع في OOM.
الطريقة الصحيحة: قلّل المدة أولًا (duration من 5 إلى 3)، ثم خفّض العرض والارتفاع إلى قيم أصغر ضمن مضاعفات 16 (لاحظ أن 848×480 يعادل 640×640 في عدد البكسلات، فالتحويل بينهما لا يوفر الكثير من الذاكرة). وإذا كانت الذاكرة ضيقة فعلًا، فراجع حل تكميم GGUF أدناه.
تقنيات متقدمة (اختيارية)
توسيع المطالبات: من جملة قصيرة إلى جملة طويلة
يوصي المسؤولون بتشغيل توسيع المطالبات (prompt extension) لإثراء تفاصيل الفيديو: يستخدم السكربت الرسمي qwen-plus من dashscope API (مهمة تحويل النص إلى فيديو) للتوسيع، ويمكن أيضًا استبداله بنموذج Qwen محلي (مثل Qwen2.5-14B-Instruct). لا تتضمن قوالب ComfyUI هذه الخطوة، لكن الفكرة يمكن نقلها مباشرة: مرّر الجملة القصيرة أولًا إلى أي LLM لتوسيعها إلى وصف مشهد كامل، ثم الصقه في المطالبة الإيجابية.
مطالبة المثال لتحويل النص إلى فيديو في بطاقة النموذج الرسمية هي مجرد جملة قصيرة:
Two anthropomorphic cats in comfy boxing gear and bright gloves fight
intensely on a spotlighted stage.ذاكرة غير كافية: نسخة GGUF المكمّمة
تتوفر في المجتمع نسخ GGUF مكمّمة من T2V-A14B (bullerwins/Wan2.2-T2V-A14B-GGUF، ومجموعة Wan2.2 GGUF من QuantStack)، تُحمَّل عبر العقد المخصصة city96/ComfyUI-GGUF — وهو الحل السائد لتشغيل نسخة 14B على ذاكرة منخفضة، ولتفاصيل الاستخدام راجع نماذج GGUF المكمّمة.
دليل المطالبات الرسمي
تحتفظ علي بابا بنسخة من دليل مطالبات Wan2.2 (مستند DingTalk)، يدعم المطالبات بالصينية والإنجليزية معًا — والمطالبة السلبية المرفقة مع قالب هذا الدرس هي أصلًا بالصينية.
خلاصة هذا الدرس
✅ في هذا الدرس نجحنا في تشغيل سير عمل الخبراء المزدوج لـ Wan2.2 لتحويل النص إلى فيديو بنسخة 14B:
- ✅ الوضع القياسي: أوزان الرباعية + القالب الرسمي، 20 خطوة، cfg 3.5، euler + simple، بمقاس 640×640 ينتج الفيديو في نحو 5 ثانية
- ✅ مبدأ MoE: خبير الضوضاء العالية يتولى التكوين، وخبير الضوضاء المنخفضة يتولى التفاصيل، بإجمالي 27B من المعاملات ولا يُنشَّط في كل خطوة سوى 14B، دون زيادة في القدرة الحاسوبية
- ✅ وضع Turbo:
enable_turbo_modeمفتاح واحد فقط، 4 خطوة مع LoRA وcfg 1، لتسريع كبير في تجربة المطالبات - ✅ قواعد المعاملات: العرض والارتفاع من مضاعفات 16، وlength بقيمة 4n+1، وستتمكن من تعديل 480P/720P والمدة بنفسك
مراجعة حقول الإعدادات الرئيسية:
| الحقل | القيمة الموصى بها | الشرح |
|---|---|---|
| high_noise_model | wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors | خبير الضوضاء العالية، يتولى النصف الأول من إزالة الضوضاء |
| low_noise_model | wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors | خبير الضوضاء المنخفضة، يتولى النصف الثاني من إزالة الضوضاء |
| clip_name | umt5_xxl_fp8_e4m3fn_scaled.safetensors | اختر type بقيمة wan، مع إعادة استخدام ملفات مستودع 2.1 |
| vae_name | wan_2.1_vae.safetensors | يوضح المسؤولون توافقه مع Wan2.2، فلا تستخدم نسخة 5B |
| أخذ العينات (الوضع القياسي) | 20 خطوة / cfg 3.5 / euler + simple / نقطة التحويل عند الخطوة 10 | افتراضي القالب |
| أخذ العينات (Turbo) | 4 خطوة / cfg 1 / نقطة التحويل عند الخطوة 2 + اثنان من LoRA بـ 4steps | enable_turbo_mode عند التشغيل |
| ModelSamplingSD3 | shift 5 (واحد للضوضاء العالية وواحد للمنخفضة) | افتراضي القالب |
| width / height | 640×640 (من مضاعفات 16) | 480P يستخدم 848×480، و720P يستخدم 1280×720 |
| duration | 5 ثانية (length = duration×fps+1 = 81 إطارًا) | fps داخل المخطط الفرعي في CreateVideo 16 |
| SaveVideo | video/ComfyUI البادئة، والصيغة auto | الإخراج في video/ الدليل الفرعي |
استعراض الدرس القادم
تحويل النص إلى فيديو هو إنشاء من الصفر؛ الدرس القادم سيجعل الصور الجاهزة تتحرك: Wan2.2 14B لتحويل الصورة إلى فيديو: اجعل صورك تتحرك. ستتعلم:
- كيف تبدو الأوزان المخصصة لتحويل الصورة إلى فيديو بنسخة 14B (لاحظ: I2V ملفات fp16، مختلفة عن fp8 في هذا الدرس)
- رفع الإطار الأول عبر Load Image، فيبدأ الفيديو بالحركة من صورتك
- متى تستخدم T2V للإنشاء من الصفر، ومتى تستخدم I2V لتعديل مواد جاهزة
ملحق: مرجع الكود المصدري
انقر للتوسيع وعرض مواضع الكود المصدري
وقت التحديث: 2026-11-05 (قالب من مكتبة القوالب video_wan2_2_14B_t2v، الحد الأدنى المعلن من المسؤولين لإصدار ComfyUI هو 0.16.4)
| المحتوى | الموقع |
|---|---|
| الدرس الرسمي (Wan2.2، يتضمن قسم T2V بحجم 14B) | https://docs.comfy.org/tutorials/video/wan/wan2_2 |
| ملف JSON لقالب سير العمل | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_t2v.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 |
| بطاقة نموذج Wan-AI (T2V-A14B: بنية MoE بحجم 27B/14B، و480P/720P، وسعة 80GB) | https://huggingface.co/Wan-AI/Wan2.2-T2V-A14B |
EmptyHunyuanLatentVideo الشيفرة المصدرية للعقدة | comfy_extras/nodes_hunyuan.py (L43–L64) |
جميع المعاملات في هذه الصفحة (الوضع القياسي 20 خطوة / cfg 3.5 / خطوة الحد الفاصلة رقم 10، وTurbo 4 خطوة / cfg 1 / خطوة الحد الفاصلة رقم 2، وshift 5، و640×640 / 81 إطارًا / fps 16، وأسماء المجموعة الرباعية وملفات LoRA وأحجامها، وملاحظات الاختبار الفعلي 536 ثانية / 108 ثانية) تم التحقق منها من قيم العقد الفعلية في ملف JSON للقالب video_wan2_2_14B_t2v.json؛ أما بنية MoE و480P/720P ومعايير ذاكرة VRAM فمصدرها بطاقة نموذج Wan-AI والدرس الرسمي.