Wan2.2 14B تحويل الصورة إلى فيديو: اجعل صورك تتحرك
في الدرس السابق كان تحويل النص إلى فيديو (T2V) يبدأ الإبداع من أمر نصي واحد؛ هذا الدرس هو العكس: الصورة تحدد المشهد والنموذج يدير الحركة. Wan2.2-I2V-A14B هو نموذج تحويل الصورة إلى فيديو من Tongyi Wanxiang التابع لشركة Alibaba: 14B بمعمارية MoE ثنائية الخبراء، يدعم 480P و 720P، ورخصة Apache 2.0 تسمح بالاستخدام التجاري. تصفه بطاقة النموذج الرسمية بأنه «تركيب أكثر استقرارًا وتقليل حركات الكاميرا غير الواقعية» — الصورة تتحرك دون انحراف عشوائي.
في هذه الصفحة نشغّل بالكامل سير عمل Wan2.2 لتحويل الصورة إلى فيديو (I2V) على 14B: ارفع صورة واحدة، وأخرج في 20 خطوة فيديو متحرك بدقة 640×640 ومدة حوالي 5 ثانية؛ ثم تعلّم تفعيل وضع Turbo لتجربة الكاميرا في 4 خطوات، وتغيير الدقة والمدة وفق القواعد. لنوضح عتبة الذاكرة أولًا: تتطلب السكربتات الرسمية بلغة Python حوالي 80GB، بينما يستخدم قالب ComfyUI أوزان fp8، وملاحظة الاختبار الفعلي هي أن بطاقة 24GB (RTX 4090D) تشغّل 640×640 باستهلاك ذاكرة 84%.
ماذا تستطيع أن تفعل بعد إتمام الدرس
- تحويل صورة ثابتة واحدة إلى فيديو متحرك بدقة 640×640 و 81 إطارًا ومدة حوالي 5 ثانية: يبدأ الفيديو بالتحرك منصورتك
- أن تعرف أي ملفات I2V مشتركة مع T2V في الدرس السابق وأيها يجب تنزيلها بشكل منفصل: أوزان diffusion تُستبدل بنسخة i2v المخصصة، بينما مشفّر النص و VAE يُعاد استخدامهما مباشرة
- تفعيل وضع Turbo بنقرة واحدة: يضيف LoRA من i2v بـ 4 خطوات، وإخراج في 4 خطوة، وتجربة الكاميرا أسرع بعدة أضعاف من 20 خطوة
- كتابة أوامر تحويل الصورة إلى فيديو وفق «الحركة + الكاميرا»، بدلًا من إعادة وصف الصورة مرة أخرى
- تغيير المعاملات وفق القواعد: العرض والارتفاع من مضاعفات 16، وعدد الإطارات بصيغة 4n+1، والصورة تُقص تلقائيًا من المنتصف لتلائم
المأزق الذي أنت فيه الآن
- لديك صورة مرضية — صورة شخصية أو صورة منتج أو رسم توضيحي — وتريد تحريكها كمادة لفيديو قصير، لكن ضبط الإطارات يدويًا في برامج المونتاج يرهق العينين ولا ينتج تلك الحركات الطبيعية للكاميرا
- أردت تنزيل النموذج وفق الوثائق الرسمية، لكن بطاقة التنزيل مكتوب فيها fp16 بينما نص الخطوات يذكر اسم ملف t2v، والجانبان لا يتطابقان فلا تعرف أيهما تصدق
- درس T2V السابق كان توليدًا من الصفر، ومهما كتبت الأمر بتفصيل، لا يضمن «استخدام صورتي هذه تحديدًا»
متى تستخدم هذه الطريقة
عندما تحتاج إلى:
- تحويل الصور إلى فيديو: تحريك الصور الشخصية والمنتجات والرسوم الجاهزة، مع الحفاظ على اتساق محتوى المشهد وسلاسة الحركة (وفق الوصف الرسمي لـ I2V)
- لغة كاميرا بتحكم دقيق في الحركة واستقرار في الأسلوب: مثل الدفع البطيء والالتفاف حول الموضوع
- مشاريع تجارية: سلسلة Wan2.2 مبنية على رخصة Apache 2.0، ويمكن استخدامها تجاريًا مع الاحتفاظ بإشعار حقوق النشر
ولا تريد:
- صناعة حركات الكاميرا والتشوه إطارًا بإطار يدويًا في برامج المونتاج
- المقامرة بتوليد فيديو من نص من الصفر للوصول إلى صورة تملكها بالفعل
🎒 التحضير قبل البدء
- أن تكون قد شغّلتدرس Wan2.2 14B السابق لتحويل النص إلى فيديو: نفس عائلة القوالب، وتقسيم عمل خبيري MoE شُرح بالكامل في الدرس السابق
- تعرّف على قواعد مجلد النماذج: ضع الملفات في المجلد الفرعي المناسب تحت
models/(راجع أين تُوضع النماذج) - إصدار ComfyUI 0.16.4 أو أحدث (الحد الأدنى للإصدار الذي حدده مكتبة القوالب الرسمية لهذا القالب؛ لطريقة استخدام مكتبة القوالب انظر درس مكتبة القوالب، ولتغيّرات الإصدارات انظر سجل التحديثات)
- اترك حوالي 33GB من مساحة القرص: ملفا diffusion بحجم 13.31 + 13.31 GB، بالإضافة إلى مشفّر النصوص 6.27 GB وVAE 0.24 GB — إذا كنت قد نزّلت مشفّر النصوص وVAE في الدرس السابق، فلا تحتاج هذه المرة سوى تنزيل ملفي diffusion فقط
- 24GB من ذاكرة VRAM (وفق ملاحظة الاختبار الفعلي للقالب: RTX 4090D عند دقة 640×640 تستهلك 84٪؛ للبطاقات الأصغر راجع حل GGUF في قسم التقنيات المتقدمة)
- جهّز صورة تريد أن تجعلها تتحرك
الفكرة الأساسية
احفظ هذه الجملة أولًا: هيكل هذا الدرس مطابق تمامًا للدرس السابق، والفرق الوحيد في شيئين هما «الأوزان» و«نقطة البداية».
- بنية MoE ثنائية الخبراء تُنقل كما هي. الخبير عالي الضجيج يتولى المرحلة المبكرة من إزالة الضجيج (التخطيط العام)، والخبير منخفض الضجيج يتولى المرحلة المتأخرة (تنقيح التفاصيل) — كل خبير بحوالي 14B من المعاملات بإجمالي 27B، ويُنشَّط واحد فقط في كل خطوة، لذا لا يرتفع أداء الحساب المطلوب للاستدلال تقريبًا. أما في القالب: عقدتا KSamplerAdvanced تتعاقبان في أخذ العينات، وقيمة shift في عقدتي ModelSamplingSD3 كلتاهما 5 — تمامًا مثل T2V في الدرس السابق.
- تُستبدل أوزان diffusion بأوزان i2v المخصصة. أصدرت الجهة الرسمية مجموعتين من أوزان الخبرين لكلٍّ من T2V وI2V، والفرق بينهما حرف واحد في اسم الملف
t2v/i2vولا يمكن تبادلهما؛ لكن مشفّر النصوص (umt5 fp8) وVAE (wan_2.1) متطابقان في الدرسين، فأعد استخدام ما نزّلته سابقًا مباشرة. - تتحول نقطة البداية من «latent فارغ» إلى «صورتك». في الدرس السابق استخدمنا
EmptyHunyuanLatentVideoلإنشاء صفحة بيضاء؛ أما في هذا الدرس فتقوم عقدةWanImageToVideoبقص start_image من المنتصف وتغيير حجمها إلى width×height، ثم ترميزها عبر VAE ودمجها في الـlatent، فتُثبَّت بداية الفيديو على صورتك — ولم يبق على النموذج سوى «جعل الصورة تتحرك بشكل طبيعي إلى الأمام». - تتغير مهمة المطالبة (البرومبت). في T2V تصف المطالبة المشهد بأكمله؛ أما في I2V فقد حُدِّدت التكوين والشخصيات والألوان مسبقًا بواسطة الصورة، لذا يركّز البرومبت على الحركة والكاميرا: ما يفعله العنصر الأساسي، وكيف تتحرك الكاميرا.
- Turbo لا يزال هو المفتاح نفسه. عند تشغيل
enable_turbo_mode: تُضاف نسختا i2v من LoRA الخاص بـ4 خطوة، وتصبح الخطوات 20→4 وcfg 3.5→1.
| T2V نص إلى فيديو (الدرس السابق) | I2V صورة إلى فيديو (هذا الدرس) | |
|---|---|---|
| أوزان diffusion | wan2.2_t2v_*_14B_fp8_scaled ×2 | wan2.2_i2v_*_14B_fp8_scaled ×2، مع تنزيل مجموعة أخرى |
| نقطة بداية الفيديو | latent فارغ (EmptyHunyuanLatentVideo) | صورتك (WanImageToVideo) |
| ماذا يُكتب في البرومبت | المشهد بأكمله | الحركة والكاميرا |
| مشفّر النصوص / VAE | umt5 fp8 / wan_2.1_vae | النسخة نفسها، أعد استخدامها مباشرة |
| Turbo LoRA | نسخة t2v (v1.1)×2 | نسخة i2v (v1)×2، الملفات مختلفة |
| مناسب لـ | الإنشاء من الصفر | تحويل صور جاهزة |
كلا المجموعتين من الأوزان مرخّصتان ببروتوكول Apache 2.0، فلا حاجة لتوقيع اتفاقية إضافية للاستخدام التجاري.
اتبع خطواتي
الخطوة 1: تحميل قالب Wan2.2 14B لتحويل الصورة إلى فيديو
السبب: يغلّف القالب الرسمي تحميل الخبيرين وتعاقب أخذ العينات ومفتاح Turbo كلها في عقدة رسم فرعي واحدة Image to Video(Wan2.2)، وتُغذّى الصورة إليها من عقدة Load Image الخارجية، وتُعرض جميع المعاملات الشائعة على سطح العقدة، فلا خطر من توصيل الأسلاك خطأً.
- افتح مكتبة القوالب (Browse Templates)، وابحث عن «Wan2.2 14B I2V»، واعثر على القالب Wan万相 2.2 14B صورة إلى فيديو (يُسمى في الواجهة الإنجليزية Wan 2.2 14B Image to Video)
- انقر للتحميل
ينبغي أن ترى: على اللوحة Load Image + رسم فرعي Image to Video(Wan2.2) + SaveVideo، وبجانبهما ملاحظتان توضيحيتان — Model Links (جميع روابط تنزيل النماذج) وVRAM Usage (سجلات الاستهلاك الفعلي للذاكرة والوقت من الجهة الرسمية). على سطح عقدة الرسم الفرعي تظهر المطالبة وwidth / height وduration ونموذجا الضجيج العالي/المنخفض وLightning LoRA عالي/منخفض الضجيج ومشفّر النصوص وVAE وenable_turbo_mode. تحتوي عقدة Load Image على صورة المثال الرسمية المجهزة مسبقًا (محارب التنين الأبيض)، ولا توجد أي عقدة حمراء.
- اكتمل تحميل القالب، ولا توجد عقد حمراء على اللوحة
ماذا يحتوي الرسم الفرعي في الداخل؟ (راجع هذا القسم إذا لم يتطابق الأمر مع الدروس القديمة على الإنترنت)
يحتوي الرسم الفرعي Image to Video(Wan2.2) في ملف JSON للقالب داخليًا على: عقدتي Load Diffusion Model (أوزان i2v عالية/منخفضة الضوضاء)، وعقدتي LoraLoaderModelOnly (LoRA بخطوات 4 الخاصة بـ Turbo)، وLoad CLIP (النوع wan)، وLoad VAE، وعقدتي ModelSamplingSD3 (الإزاحة shift 5)، وعقدتي CLIP Text Encode إيجابية وسالبة، وWanImageToVideo (يستقبل start_image ويخرج latent يحمل شرط الصورة)، وعقدتي KSamplerAdvanced (أخذ عينات متتابع)، وVAEDecode، وCreateVideo (fps 16)، بالإضافة إلى عقدة تعبير صغيرة لحساب عدد الإطارات (length = duration × fps + 1). في الدروس القديمة كانت هذه عقدًا متفرقة، أما الآن فقد جمعها المسؤولون في رسم فرعي واحد.
الخطوة 2: تنزيل نموذج i2v ثنائي الخبراء ووضعه في مكانه
السبب: i2v هو مجموعة أخرى من الأوزان ثنائية الخبراء ويجب تنزيلها بشكل منفصل؛ لكن مرمّز النص وVAE مطابقان تمامًا للدرس السابق، فمن نزّلهما سابقًا يعيد استخدامهما مباشرة — ما تحتاج فعلاً إلى تنزيله من جديد هو ملفا diffusion فقط.
| الملف | يوضع في | الحجم |
|---|---|---|
wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors | models/diffusion_models/ | 13.31 GB |
wan2.2_i2v_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 |
⚠️ هذا القسم من الوثائق الرسمية متناقض مع نفسه، اعتمد على fp8_scaled
بطاقة التنزيل في قسم I2V من الدرس الرسمي تكتب اسم ملف fp16، بينما يكتب نص الخطوات خطأً اسم ملف t2v (أثر نسخ ولصق للفقرة كاملة من قسم T2V، حتى EmptyHunyuanLatentVideo ما زال باقيًا في الخطوات — قالب هذا الدرس لا يحتوي على هذه العقدة أصلًا). اعتمد على wan2.2_i2v_*_14B_fp8_scaled.safetensors الذي يحمّله ملف JSON للقالب فعليًا، وملاحظة Model Links في القالب تعطي أيضًا رابطًا مباشرًا لـ fp8_scaled.
📂 ComfyUI/
└── 📂 models/
├── 📂 diffusion_models/
│ ├─── wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors
│ └─── wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors
├── 📂 text_encoders/
│ └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors
└── 📂 vae/
└─── wan_2.1_vae.safetensorsروابط التنزيل (ملاحظة Model Links في القالب تحمل أيضًا هاتين المجموعتين):
- Hugging Face: Comfy-Org/Wan_2.2_ComfyUI_Repackaged (ملفا i2v diffusion + VAE)، وComfy-Org/Wan_2.1_ComfyUI_repackaged (مرمّز النص)، والملفات في المجلد الفرعي المقابل تحت
split_files/في المستودع - اتصال مباشر داخل الصين: لدى ModelScope (魔搭) مستودعات مرآة بالاسم نفسه Comfy-Org/Wan_2.2_ComfyUI_Repackaged، وComfy-Org/Wan_2.1_ComfyUI_repackaged
(اختياري) إذا أردت تفعيل وضع Turbo، نزّل أيضًا ملفي LoRA للتسريع وضعهما في models/loras/:
| الملف | الحجم |
|---|---|
wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors | 1.14 GB |
wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors | 1.14 GB |
ملاحظة: هذان الملفان من نسخة i2v (v1)، وأسماؤهما مختلفة عن أسماء ملفات نسخة v1.1 التي استخدمها t2v في الدرس السابق، فلا يمكن خلطهما.
ينبغي أن ترى: في القوائم المنسدلة الأربعة على عقدة الرسم الفرعي — high_noise_model / low_noise_model / clip_name / vae_name — يمكنك تحديد الملفات المقابلة.
- النماذج في مكانها، والقوائم المنسدلة الأربعة كلها قابلة للتحديد
💡 يُفضل لمستخدمي الصين استخدام ModelScope أولًا
للمستودعين مرايا رسمية على ModelScope، بسرعة عالية عند الاتصال المباشر، وأسماء الملفات مطابقة تمامًا لـ HF، فقط ضعها في مكانها وفق الجدول أعلاه.
الخطوة 3: ارفع الصورة، اكتب موجّه الحركة، وشغّل Wan2.2 لتحويل الصورة إلى فيديو (إخراج في 20 خطوة)
السبب: تحقق أولًا من سلامة السلسلة كاملة بمعاملات القالب الافتراضية. الافتراضي هو الوضع القياسي: 20 خطوة، وcfg 3.5، وeuler + simple، حيث يدير خبير الضوضاء العالية أول 10 خطوات وخبير الضوضاء المنخفضة آخر 10 خطوات — هذه القيم الافتراضية هي نقطة التوازن التي ضبطها المسؤولون، فلا تتعجل في تغييرها قبل نجاح التشغيل.
- ارفع صورتك في عقدة Load Image (يُنصح في المرة الأولى بتشغيل الصورة النموذجية المرفقة مع القالب أولًا، ثم استبدالها بصورتك)
- اكتب في الموجّه الإيجابي (text) لعقدة الرسم الفرعي «حركة + كاميرا». مثال القالب:
The white dragon warrior stands still, eyes full of determination and
strength. The camera slowly moves closer or circles around the warrior,
highlighting the powerful presence and heroic spirit of the character.تفكيك أسلوب الكتابة: جملة حالة للموضوع (يقف ثابتًا، نظرة حازمة) → حركة الكاميرا (دفع بطيء أو دوران) → الأجواء (الهيبة والوسامة). أما الملامح والملابس والخلفية الموجودة أصلًا في الصورة فلا حاجة لكتابتها — فهذه مهمة الصورة.
- احتفظ بالموجّه السلبي بالفقرة الصينية المرفقة مع القالب:
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- تأكد من أن
enable_turbo_modeفي حالة إيقاف (موقوف افتراضيًا) - اضغط
Ctrl+Enterللتشغيل
ينبغي أن ترى: يمتلئ شريط التقدم بمقدار 20 خطوة، ويبدأ الفيديو بالتحرك من صورتك؛ يحفظه SaveVideo في المجلد الفرعي video/ داخل مجلد المخرجات، ويبدأ اسم الملف بـ Wan2.2_i2v (الصيغة auto)، بدقة 640×640، و81 إطارًا، و16fps، بمدة نحو 5 ثانية. ملاحظة القياس الفعلي للقالب (RTX 4090D، 640×640): في الوضع القياسي يستغرق الفيديو الأول نحو 536 ثانية والثاني نحو 513 ثانية — وقت كافٍ لصب كوب من الماء.
- يظهر في مجلد المخرجات فيديو يبدأ من صورتك
الخطوة 4: فعّل وضع Turbo، وجرّب الكاميرا بسرعة في 4 خطوة
السبب: 20 خطوة تعني انتظار ثماني أو تسع دقائق، وتجارب الكاميرا مثل «زحف أم دوران» لا تحتمل هذا الانتظار. يضم القالب تبديلًا تلقائيًا لـ LoRA الخاصة بـ i2v إصدار lightx2v بخطوات 4 — مفتاح واحد يغيّر في الوقت نفسه مسار النموذج وعدد الخطوات وcfg.
- تأكد من أن نسخة LoRA الخاصة بـ i2v بـ 4 steps قد تم تنزيلها ووضعها في مكانها (خيار اختياري في الخطوة 2)
- قم بتشغيل
enable_turbo_modeعلى عقدة الرسم الفرعي - شغّل
يجب أن ترى: هذه المرة يتم تشغيل 4 خطوات فقط — خبير الضوضاء العالية 0→2، خبير الضوضاء المنخفضة 2→4، وانخفاض cfg إلى 1؛ وفقًا لقياسات الملاحظة الفعلية للقالب: المقطع الأول حوالي 97 ثانية، والمقطع الثاني حوالي 71 ثانية.
- تم تشغيل وضع Turbo بنجاح، وانخفض وقت إنتاج الفيديو بشكل ملحوظ
ما الذي يحدث خلف هذا المفتاح:
| المعلمة | الوضع القياسي | وضع Turbo |
|---|---|---|
| إجمالي الخطوات | 20 | 4 |
| حدود الضوضاء العالية/المنخفضة | الخطوة 10 | الخطوة 2 |
| cfg | 3.5 | 1 |
| Lightning LoRA | غير مثبت | i2v واحد لكل من الضوضاء العالية والمنخفضة (strength 1.0) |
| مناسب لـ | الإنتاج الرسمي للفيديو | تجربة سريعة للنصوص التوجيهية وزوايا الكاميرا |
::: تحذير ⚠️ وضع Turbo حساس لزوايا الكاميرا، استخدم الوضع القياسي للإنتاج النهائي وضع 4 خطوة هو حل تسريع يوازن بين عدد الخطوات والسرعة. سير العمل المقترح: مع تشغيل Turbo، جرّب الحركة وزوايا الكاميرا دفعة واحدة، وبعد الاختيار أوقف المفتاح وأعد التشغيل في الوضع القياسي بـ 20 خطوة للإخراج النهائي. :::
الخطوة 5: تغيير الدقة والمدة (سيتم قص الصورة لتلائم الحجم)
السبب: القيم الافتراضية للقالب 640×640 و5 ثانية ليست ثابتة؛ لكن للعرض والارتفاع قواعد تتعلق بالمدة، كما أن تحويل الصورة إلى فيديو يضيف شرطًا إضافيًا — سيتم تكييف صورتك مع الحجم المستهدف.
ثلاث معلمات على عقدة الرسم الفرعي:
| المعلمة | افتراضي القالب | القاعدة | الشرح |
|---|---|---|---|
| width | 640 | من مضاعفات 16 | خطوة العقدة 16 |
| height | 640 | من مضاعفات 16 | نفس ما سبق |
| duration | 5 | الوحدة: ثانية | يتم تحويل عدد الإطارات تلقائيًا داخليًا: length = duration × fps + 1 |
- لتشغيل مستوى 480P: أدخل 832 في width و480 في height (هذه هي القيم الافتراضية من المصنع لعقدة
WanImageToVideo) - لتشغيل 720P: أدخل 1280 في width و720 في height (هذا هو الحجم المستخدم في مثال سطر الأوامر في بطاقة النموذج الرسمية)
- لتغيير المدة: عدّل duration مباشرة (بالثواني). 5 ثانية × 16fps + 1 = 81 إطارًا؛ تغييرها إلى 3 ثانية يعني 49 إطارًا
- معدل الإطارات موجود في عقدة CreateVideo داخل الرسم الفرعي (القالب يضبطه على 16)، ولا تحتاج عادةً إلى تغييره — تعديل duration يكفي لضبط المدة
نقطة خاصة بتحويل الصورة إلى فيديو: سيقوم WanImageToVideo بقص صورتك من المنتصف وتغيير حجمها بالاستيفاء الثنائي إلى width×height (سلوك وفقًا لكود مصدر العقدة). الصورة العمودية مع نسبة أفقية ستُقص من الأعلى والأسفل — إذا أردت ألا يُقص موضوع الصورة، اجعل نسبة العرض إلى الارتفاع أقرب ما يمكن إلى نسبة الصورة نفسها.
يجب أن ترى: بعد تعديل المعلمات وإعادة التشغيل، ستتغير دقة ومدة الفيديو الناتج وفقًا لذلك، ويبقى موضوع الصورة في منتصف الإطار.
- تعرف كيفية تغيير width / height / duration، وتعلم أن الصورة ستُقص من المنتصف لتلائم الحجم
لماذا يظل عدد الإطارات بصيغة 4n+1؟
خطوة length في WanImageToVideo هي 4: يتم ضغط latent بمعامل 4 في البعد الزمني، وسيتم ضغط length إطارًا إلى ((length−1)÷4)+1 شريحة زمنية، لذلك لا يمكن لـ length أن تأخذ إلا قيمًا مثل 1 و5 و9…81 أي قيم بصيغة 4n+1. و duration × fps + 1 (5×16+1=81) يقع تمامًا على هذا التسلسل.
نقطة التحقق ✅
- تم تشغيل الوضع القياسي بنجاح: 20 خطوة، 640×640، 81 إطارًا، حوالي 5 ثانية، والفيديو يبدأ بالحركة من صورتك
- تستطيع ذكر الملفات المشتركة مع الدرس السابق (مشفر النصوص umt5، وVAE wan_2.1) وتلك التي يجب تنزيلها بشكل منفصل (اثنان من diffusion الخاص بـ i2v)
- تم تشغيل وضع Turbo بنجاح: إنتاج فيديو في 4 خطوات، ووفقًا لقياسات بطاقة 24GB يستغرق المقطع الأول حوالي 97 ثانية
- كتابة النص التوجيهي وفقًا لصيغة «الحركة + زاوية الكاميرا» دون إعادة سرد المحتوى الثابت في الصورة
- تعرف أن العرض والارتفاع يأخذان مضاعفات 16، وأن length يأخذ قيم 4n+1، وأن الصورة ستُقص من المنتصف لتلائم الحجم
تنبيهات للمزالق
❌ استخدام أوزان t2v من الدرس السابق كحل مؤقت
تم تنزيل ملفي diffusion بحجم 13.31GB للتو في الدرس السابق، وأسماؤهما متشابهة جدًا لدرجة يسهل معها اختيار الخاطئ منهما.
السبب: t2v و i2v هما مجموعتان من أوزان الخبراء المزدوجين أصدرتهما الجهة الرسمية بشكل منفصل، والفرق بينهما حرف واحد في منتصف اسم الملف t2v / i2v، ولا يمكن استخدامهما بالتبادل؛ القالب في هذا الدرس يحمّل مجموعة i2v.
الطريقة الصحيحة: اعتمد على wan2.2_i2v_*_14B_fp8_scaled.safetensors، ولا تختر wan2.2_t2v_* في القائمة المنسدلة للرسم الفرعي.
❌ الانجراف وراء أسماء الملفات في الوثائق الرسمية
في قسم I2V من الدرس الرسمي: بطاقة التنزيل تذكر fp16، بينما نص الخطوات يذكر اسم ملف fp8 الخاص بـ t2v — روايتان مختلفتان في الصفحة نفسها.
السبب: هذا القسم من الوثائق الرسمية يحتوي على خطأ نسخ ولصق — فقرة الخطوات بأكملها منقولة من قسم T2V (وتم جلب EmptyHunyuanLatentVideo معها أيضًا، وهو عقدة غير موجودة في قالب هذا الدرس)؛ كما أن ملف fp16 في بطاقة التنزيل لا يطابق الأوزان التي يحمّلها القالب فعليًا.
الطريقة الصحيحة: اعتمد على wan2.2_i2v_*_14B_fp8_scaled.safetensors الذي يتم تحميله فعليًا في قالب JSON (نفس الرابط المباشر الموجود في ملاحظة Model Links بالقالب). أما عبارة «I2V هو fp16» الواردة في تنبؤ نهاية الدرس السابق فهي أيضًا من بطاقة الوثائق، والمعتمد هو استنتاج هذه الصفحة بعد التحقق من قالب JSON.
❌ تشغيل Turbo مع تركيب إصدار LoRA خاطئ
بعد فتح enable_turbo_mode، يمكنك اختيار ملف إصدار t2v الذي نزّلته في الدرس السابق من قائمة LoRA المنسدلة.
السبب: تتم مزاوجة LoRA الخاص بـ Turbo حسب المهمة — t2v يستخدم إصدار v1.1، وi2v يستخدم إصدار v1، والملفات غير قابلة للتبادل.
الطريقة الصحيحة: نزّل أولًا wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors و..._v1_low_noise.safetensors (كل منهما 1.14 GB) وضعهما في مكانهما، ثم شغّل المفتاح.
❌ إعادة سرد محتوى الصورة في نص المطالبة
كتابة ملامح شخصية الصورة وملابسها وخلفيتها بالكامل في المطالبة الإيجابية — هذه عادة T2V، وتصبح هنا عملًا مكررًا بلا داعٍ.
السبب: في I2V فإن التكوين والشخصية والألوان مثبتة مسبقًا بواسطة الصورة، ومسؤولية المطالبة هي إخبار النموذج بما يتحرك وكيف يتحرك؛ فمهما كتبت عن المحتوى الثابت، لن يساعد ذلك في الحركة.
الطريقة الصحيحة: اكتب بكثافة مثال القالب — جملة حالة للموضوع الرئيسي + حركة الكاميرا + الأجواء، واترك المظهر الثابت للصورة.
تقنيات متقدمة (اختياري)
ذاكرة VRAM غير كافية: إصدار GGUF المكمَّم
يتوفر في المجتمع إصدار GGUF مكمَّم من I2V-A14B (bullerwins/Wan2.2-I2V-A14B-GGUF، ومجموعة Wan2.2 GGUF من QuantStack)، ويُحمَّل عبر العقدة المخصصة city96/ComfyUI-GGUF — وهو الحل السائد لتشغيل 14B على ذاكرة VRAM منخفضة، وتفاصيل الاستخدام في نماذج GGUF المكمَّمة.
استخدام T2V و I2V بالتسلسل
يتولى T2V من الدرس السابق استكشاف التكوين من الصفر: يجرب T2V المطالبات دفعة واحدة، وتُقطع الإطار المُرضي وتُختار، ثم تُغذّى إلى I2V في هذا الدرس ليتحرك وفق الكاميرا التي صممتها — كل مجموعة أوزان تؤدي عملها الخاص.
دليل المطالبات الرسمي
تحتفظ علي رسميًا بدليل Wan2.2 للمطالبات (وثيقة DingTalk)، ويدعم المطالبات بالصينية والإنجليزية معًا — المطالبة السلبية المرفقة بقالب هذا الدرس أصلًا بالصينية. كما تذكر بطاقة النموذج الرسمية: يدعم I2V-A14B توليد الفيديو من صورة الإدخال فقط (يستخدم السكربت الرسمي توسيع المطالبة لاستنتاج المطالبة من الصورة) — إن لم تعرف أي حركة تكتب، فاكتب مطالبة قصيرة أولًا ودع الصورة تتحدث عن نفسها.
تريد تحريك صور المنتجات لعمل فيديوهات رئيسية؟
إن I2V في هذا الدرس هو أساس درس فيديو المنتجات — تطبق تلك الصفحة تحويل الصورة إلى فيديو على صور منتجات التجارة الإلكترونية لإنتاج فيديو رئيسي.
خلاصة هذا الدرس
✅ نجح هذا الدرس في تشغيل سير عمل الخبراء المزدوجين 14B لـ Wan2.2 لتحويل الصورة إلى فيديو (I2V):
- ✅ الوضع القياسي: أوزان الخبراء المزدوجين i2v + القالب الرسمي، 20 خطوة، cfg 3.5، euler + simple، 640×640 في حوالي 5 ثوانٍ، ويبدأ الفيديو بالتحرك من صورتك
- ✅ تمت تسوية حسابات النماذج: يتم تنزيل نموذجي i2v diffusion بشكل منفصل؛ ومشفّر النصوص umt5 و wan_2.1 VAE مشتركان مع الدرس السابق
- ✅ وضع Turbo:
enable_turbo_modeمفتاح واحد، LoRA إصدار i2v بـ 4 خطوات + cfg 1، لتسريع كبير في تجربة الكاميرا - ✅ تغيّرت طريقة كتابة المطالبات: اكتب الحركة والكاميرا، واترك التكوين والمظهر للصورة
- ✅ قواعد المعاملات: العرض والارتفاع من مضاعفات 16، وlength يأخذ 4n+1، مع اقتصاص الصورة من المنتصف للمطابقة
مراجعة حقول الإعداد الرئيسية:
| الحقل | القيمة الموصى بها | الشرح |
|---|---|---|
| high_noise_model | wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors | خبير الضوضاء العالية، يتولى النصف الأول من إزالة الضوضاء |
| low_noise_model | wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors | خبير الضوضاء المنخفضة، يتولى النصف الثاني من إزالة الضوضاء |
| clip_name | umt5_xxl_fp8_e4m3fn_scaled.safetensors | اختر wan في type، يُعاد استخدامه من الدرس السابق |
| vae_name | wan_2.1_vae.safetensors | يُعاد استخدامه من الدرس السابق، لا تستخدم ذلك الخاص بـ 5B |
| أخذ العينات (الوضع القياسي) | 20 خطوة / cfg 3.5 / euler + simple / نقطة الفصل عند الخطوة 10 | افتراضي القالب |
| أخذ العينات (Turbo) | 4 خطوة / cfg 1 / نقطة الفصل عند الخطوة 2 + LoRA i2v 4steps ×2 | تشغيل enable_turbo_mode |
| ModelSamplingSD3 | shift 5 (واحد للضوضاء العالية وواحد للمنخفضة) | افتراضي القالب |
| width / height | 640×640 (من مضاعفات 16) | 480P يستخدم 832×480، و720P يستخدم 1280×720؛ مع اقتصاص الصورة من المنتصف للمطابقة |
| duration | 5 ثوانٍ (length = duration×fps+1 = 81 إطارًا) | fps 16 يُضبط في CreateVideo داخل الرسم الفرعي |
| SaveVideo | video/Wan2.2_i2v بادئة، بصيغة auto | المخرجات في video/ دليل فرعي |
معاينة الدرس القادم
الصورة تحدد البداية فقط؛ الدرس القادم يثبّت النهاية أيضًا — Wan2.2 توليد فيديو من الإطار الأول والأخير: التحكم في البداية والنهاية. ستتعلم:
- إطار أول + إطار أخير: ارفع صورة لكل منهما، وينتقل الفيديو من A إلى B: مشاهد مثل الانتقالات والتحوّل والمقارنة قبل/بعد
WanFirstLastFrameToVideoكيف تتحكم العقدة في الأبعاد (الإعداد الرسمي الافتراضي يقلّصها لتفادي نفاد الذاكرة)- خبر سار: الأوزان هي نفسها تمامًا كما في هذا الدرس، لا حاجة لتنزيل 13GB×2 إضافية
ملحق: مرجع الكود المصدري
اضغط للتوسيع لعرض موضع الكود المصدري
آخر تحديث: 2026-11-05 (قالب مكتبة القوالب video_wan2_2_14B_i2v، الحد الأدنى المعلن رسميًا لإصدار ComfyUI هو 0.16.4)
| المحتوى | الموضع |
|---|---|
| الدرس الرسمي (Wan2.2، يتضمن قسم 14B I2V) | https://docs.comfy.org/tutorials/video/wan/wan2_2 |
| قالب سير عمل JSON | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_i2v.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 (I2V-A14B) | https://huggingface.co/Wan-AI/Wan2.2-I2V-A14B |
WanImageToVideo كود العقدة المصدري | comfy_extras/nodes_wan.py (L18–L67) |
معاملات هذه الصفحة (الوضع القياسي 20 خطوة / cfg 3.5 / خطوة الحد الفاصل 10، Turbo 4 خطوة / cfg 1 / خطوة الحد الفاصل 2، shift 5، 640×640 / 81 إطار / fps 16، أسماء وأحجام ملفات LoRA للمجموعة الرباعية و i2v v1، ملاحظات الاختبار الفعلي 536ث / 513ث / 97ث / 71ث، بادئة SaveVideo video/Wan2.2_i2v) تم التحقق منها جميعًا من قيم العقد الفعلية في قالب JSON video_wan2_2_14B_i2v.json؛ بطاقات التنزيل في قسم I2V من الوثائق الرسمية (fp16) ونصوص الخطوات (اسم ملف t2v، EmptyHunyuanLatentVideo) لا تطابق القالب، وهذه الصفحة تعتمد JSON كمرجع؛ سلوك القص المركزي مع التحجيم لـ WanImageToVideo تم التحقق منه من comfy_extras/nodes_wan.py L47 (الافتراضي 832×480، وطول الخطوة length 4 انظر L28-30)؛ دعم خبير MoE المزدوج 27B/14B و 480P/720P و معيار سكربت 80GB و وصف «تقليل حركات الكاميرا غير الواقعية» مأخوذة من بطاقة نموذج Wan-AI I2V-A14B.