Skip to content

Wan2.2 14B texto a video: doble experto para películas ​

El 5B de la lección anterior resuelve «que funcione»; el 14B de esta lección resuelve «que funcione bien». Wan2.2-T2V-A14B es el modelo de texto a video de Tongyi Wanxiang de Alibaba: arquitectura MoE de doble experto, admite videos de 5 segundos en 480P y 720P, licencia Apache 2.0 con uso comercial permitido; oficialmente afirma superar a los modelos comerciales líderes en la mayoría de las dimensiones clave de su propio Wan-Bench 2.0.

Esta página ejecuta por completo el flujo de trabajo del 14B de Wan2.2 texto a video: descargar los cuatro archivos del doble experto, generación en 20 pasos, activar el modo Turbo para acelerar a 4 pasos, y cambiar por tu cuenta resolución y duración. También aclaramos el umbral de VRAM: según el script oficial de Python se necesitan 80GB; ComfyUI, con pesos fp8 y offloading automático, la nota de pruebas de la plantilla indica 24GB de VRAM (RTX 4090D) ejecutando 640×640.

Qué podrás hacer al terminar ​

  • Cargar la plantilla oficial y ejecutar Wan2.2 14B texto a video: muestreo en 20 pasos, salida de video 640×640, 81 fotogramas, unos 5 segundos
  • Explicar cómo se dividen el trabajo los dos expertos MoE: el experto de ruido alto se encarga de la composición, el de ruido bajo de los detalles; con 27B de parámetros solo se activan 14B por paso
  • Activar el modo Turbo con un clic: monta el LoRA de 4 pasos de lightx2v, genera en 4 pasos; probar prompts es varias veces más rápido que con 20 pasos
  • Cambiar parámetros según las reglas: ancho y alto múltiplos de 16, fotogramas según 4n+1; ajusta por tu cuenta 480P/720P y la duración sin errores
  • Distinguir la diferencia entre el EmptyHunyuanLatentVideo de esta lección y el Wan22ImageToVideoLatent de la anterior, y saber cuándo vale la pena pasar del 5B al 14B

Tu situación actual ​

  • El 5B ya funciona, pero las generaciones formales siempre parecen quedarse cortas: con movimientos complejos se ve borroso, falta un paso para el «aspecto cinematográfico»
  • Quieres pasar al 14B, pero al ver que hay que descargar dos archivos diffusion de 13GB y que el script oficial pide 80GB de VRAM, te desanimas
  • Los tutoriales de 14B de internet no coinciden con la plantilla: los tutoriales antiguos muestran un montón de nodos sueltos, pero la plantilla oficial ya lo encapsula en un nodo de subgrafo, y además tiene un interruptor Turbo

Cuándo usar esta técnica ​

Cuando necesitas:

  • Generaciones formales donde la calidad es prioritaria: control estético de nivel cinematográfico, movimientos complejos a gran escala, escenas con múltiples sujetos
  • Material de clips en 480P / 720P de unos 5 segundos: según el criterio oficial, apto para creación de contenido, creación artística, educación y formación, entre otros escenarios
  • Proyectos comerciales: licencia Apache 2.0, basta conservar el aviso de copyright para uso comercial

Y no quieres:

  • Ejecutar la inferencia con el script oficial de Python de Wan-AI: alta barrera de línea de comandos, según el criterio oficial al menos 80GB de VRAM
  • Esperar el muestreo completo de 20 pasos para cada clip: primero elige la composición con Turbo en 4 pasos y luego haz la generación fina para la versión final

🎒 Preparativos antes de empezar ​

  • Has completado con éxitola lección anterior del flujo de trabajo Wan2.2 5B: cargar plantillas de video, ajustar prompts positivos y negativos, ejecutar con Ctrl+Enter
  • Conocer las reglas del directorio de modelos: los archivos se colocan en los subdirectorios correspondientes bajo models/ (revisadónde van los modelos)
  • ComfyUI 0.16.4 o superior (versión mínima que la biblioteca oficial de plantillas indica para esta plantilla; el uso de la biblioteca de plantillas se explica enel tutorial de la biblioteca de plantillas, y los cambios de versión enel registro de cambios)
  • Reserva unos 33GB en el disco: el conjunto de cuatro archivos 13.31 + 13.31 + 6.27 + 0.24 GB; si quieres activar Turbo, añade dos LoRA de 1.14 GB
  • 24GB de VRAM de clase (según las notas de pruebas de la plantilla: RTX 4090D ejecutando 640×640 usa un 84%; para tarjetas más pequeñas, consulta la solución GGUF en las técnicas avanzadas)

Idea central ​

Primero memoriza los cuatro diseños clave de Wan2.2 14B; cada paso posterior los verifica:

  1. MoE de doble experto = dividir el proceso de eliminación de ruido en dos mitades. Wan2.2 introdujo la arquitectura Mixture-of-Experts (mezcla de expertos) en el modelo de difusión de video: el experto de ruido alto se encarga de la fase temprana de eliminación de ruido, enfocándose en la composición general; el experto de ruido bajo se encarga de la fase tardía, refinando los detalles del video. Cada experto tiene aproximadamente 14B parámetros, en total 27B, pero en cada paso solo se activa un experto (14B), por lo que el cómputo de inferencia y la VRAM casi no aumentan. Versión oficial: el punto de conmutación entre los dos expertos lo determina la relación señal-ruido (SNR).
  2. En la plantilla es simplemente «dos cargadores + dos samplers». Dos Load Diffusion Model cargan respectivamente los pesos de ruido alto y ruido bajo; dos KSamplerAdvanced realizan el muestreo en relevo: en modo estándar, el sampler de ruido alto ejecuta los pasos 0→10, y el sampler de ruido bajo continúa con los pasos 10→20. El shift de ambos ModelSamplingSD3 es 5.
  3. El nodo de latent se cambió a EmptyHunyuanLatentVideo. 14B vuelve a usar wan_2.1_vae (la nota oficial indica compatibilidad con Wan2.2), el latent tiene 16 canales con compresión espacial de 8×, no compatible con el nuevo VAE latent de 48 canales de la lección anterior 5B, por eso el nodo también cambió.
  4. El modo Turbo es un interruptor. La plantilla incluye la conmutación automática del LoRA de 4 pasos de lightx2v: al activar enable_turbo_mode, la ruta del modelo cambia automáticamente a la versión con el LoRA, los pasos 20→4 y cfg 3.5→1.

Cómo elegir entre 5B y 14B:

Wan2.2 TI2V 5B (lección anterior)Wan2.2 T2V 14B (esta lección)
pesos de diffusion1 archivo (9.31 GB)dos archivos de ruido alto + ruido bajo (13.31 GB cada uno)
parámetros5B modelo denso únicoMoE de doble experto: 27B en total, 14B activados por paso
tareastexto-a-video e imagen-a-video en un modelosolo texto-a-video (imagen-a-video y fotogramas inicial/final tienen pesos aparte)
VAEwan2.2_vae.safetensors (16×16×4)wan_2.1_vae.safetensors (la nota oficial indica compatibilidad con 2.2)
nodo de latentWan22ImageToVideoLatent (48 canales, paso de ancho y alto 32)EmptyHunyuanLatentVideo (16 canales, paso de ancho y alto 16)
resolución720P (1280×704) @ 24fps480P / 720P (predeterminado de la plantilla 640×640 @ 16fps)
VRAMdato oficial 8GBnota de la plantilla 24GB medidos 84% (640×640)
adecuado paraprototipos rápidos, VRAM baja, creatividad diariaproducción formal con prioridad de calidad

Ambos conjuntos usan la licencia Apache 2.0; el uso comercial no requiere acuerdos adicionales.

Hazlo conmigo ​

Paso 1: cargar la plantilla de texto-a-video Wan2.2 14B ​

Por qué: la plantilla oficial encapsula la carga de doble experto, los dos samplers y el interruptor Turbo en un solo nodo de subgrafo Text to Video(Wan2.2), con los parámetros comunes visibles en la superficie del nodo, sin riesgo de conectar mal los cables.

  1. Abre la biblioteca de plantillas (Browse Templates), busca «Wan2.2 14B T2V» y encuentra la plantilla Wan Wanxiang 2.2 14B texto-a-video (en la interfaz en inglés se llama Wan 2.2 14B Text to Video)
  2. Haz clic para cargar

Deberías ver: en el lienzo, un nodo subgráfico grande Text to Video(Wan2.2) más un SaveVideo, y a su lado dos notas adhesivas de explicación——Model Links(enlaces de descarga de todos los modelos)y VRAM Usage(registro oficial de VRAM/tiempo medidos). En la superficie del nodo subgráfico están los parámetros de prompt, width / height, duration, modelo de ruido alto/bajo, Lightning LoRA de ruido alto/bajo, codificador de texto, VAE y enable_turbo_mode, sin ningún nodo rojo.

  • Plantilla cargada, sin nodos rojos en el lienzo
¿Qué contiene el subgráfico? (mira aquí cuando no coincida con los tutoriales antiguos de internet)

El subgráfico Text to Video(Wan2.2) del JSON de la plantilla contiene internamente: dos Load Diffusion Model (ruido alto/bajo), dos LoraLoaderModelOnly (LoRA de 4 pasos para Turbo), Load CLIP (type en wan), Load VAE, dos ModelSamplingSD3 (shift 5), dos CLIP Text Encode (positivo y negativo), EmptyHunyuanLatentVideo, dos KSamplerAdvanced (muestreo por relevos), VAEDecode, CreateVideo (fps 16). En los tutoriales antiguos estos eran nodos sueltos; ahora los oficiales los han empaquetado en un subgráfico, dejando fuera solo los parámetros de uso común.

Paso 2: descargar los cuatro modelos del kit y colocarlos en su sitio ​

Por qué: 14B usa una arquitectura de doble experto, y los pesos de diffusion son dos archivos; sumando el codificador de texto y el VAE son cuatro en total. Cada uno en su lugar, y así podrás seleccionarlos en las listas desplegables del nodo subgráfico.

Archivocolocar enTamaño
wan2.2_t2v_high_noise_14B_fp8_scaled.safetensorsmodels/diffusion_models/13.31 GB
wan2.2_t2v_low_noise_14B_fp8_scaled.safetensorsmodels/diffusion_models/13.31 GB
umt5_xxl_fp8_e4m3fn_scaled.safetensorsmodels/text_encoders/6.27 GB
wan_2.1_vae.safetensorsmodels/vae/242.1 MB

Fíjate en dos puntos «contraintuitivos»: el codificador de texto reutiliza la versión umt5 fp8 del repositorio de Wan2.1; y el VAE también es de 2.1 (la nota oficial indica compatibilidad con Wan2.2)——el wan2.2_vae usado por 5B en la lección anterior no aplica en esta lección.

text
📂 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.safetensors

Enlaces de descarga (la nota Model Links de la plantilla también incluye estos dos grupos):

(Opcional) Si quieres activar el modo Turbo, descarga además dos LoRA de aceleración y colócalos en models/loras/:

ArchivoTamaño
wan2.2_t2v_lightx2v_4steps_lora_v1.1_high_noise.safetensors1.14 GB
wan2.2_t2v_lightx2v_4steps_lora_v1.1_low_noise.safetensors1.14 GB

Deberías ver: en las cuatro listas desplegables del nodo subgráfico (high_noise_model / low_noise_model / clip_name / vae_name) puedes seleccionar los archivos correspondientes.

  • El kit de cuatro (+ los dos LoRA opcionales) aparece en los directorios correctos y se pueden seleccionar en los desplegables

💡 Los usuarios nacionales, prioricen ModelScope

Ambos repositorios tienen espejos oficiales en ModelScope, con velocidad rápida por conexión directa; los nombres de archivo son idénticos a los de HF, basta con colocarlos según la tabla de arriba.

Paso 3: escribir el prompt y completar la generación de texto a vídeo de Wan2.2 (20 pasos para obtener el vídeo) ​

Por qué: primero valida toda la cadena con los parámetros por defecto de la plantilla. El modo por defecto es el modo estándar: 20 pasos, cfg 3.5, euler + simple, el experto de ruido alto corre los primeros 10 pasos y el experto de ruido bajo los últimos 10 pasos——este conjunto de valores por defecto es el punto de equilibrio ajustado por los oficiales; no te apresures a cambiarlo antes de que funcione.

  1. Escribe en el prompt positivo (text) del nodo subgráfico una descripción completa de la escena. Ejemplo de la plantilla:
text
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.
  1. El prompt negativo es un párrafo en chino incluido en la plantilla; déjalo tal cual por ahora:
text
Colores chillones, sobreexpuesto, estático, detalles borrosos e indistinguibles, subtítulos, estilo, obra, pintura, imagen, quietud,
Tono general grisáceo, la peor calidad, baja calidad, artefactos de compresión JPEG, feo, incompleto, dedos de más,
Manos mal dibujadas, rostros mal dibujados, deformado, desfigurado, extremidades con formas deformes, dedos fusionados,
Imagen completamente estática, fondo desordenado, tres piernas, mucha gente en el fondo, caminando hacia atrás, desnudez, NSFW
  1. Confirma que enable_turbo_mode está desactivado (desactivado por defecto)
  2. Pulsa Ctrl+Enter para ejecutar

Deberías ver: la barra de progreso completa los 20 pasos, y el vídeo se guarda mediante el nodo SaveVideo en el subdirectorio video/ del directorio de salida (el nombre de archivo empieza por ComfyUI, formato auto por defecto), con resolución 640×640, 81 fotogramas, 16 fps y una duración de unos 5 segundos. Nota con mediciones reales de la plantilla (RTX 4090D, 640×640): modo estándar (fp8_scaled), el primer vídeo tarda unos 536 segundos y el segundo unos 513 segundos.

  • Tu primer vídeo Wan2.2 14B aparece en el directorio de salida

Paso 4: activar el modo Turbo, vídeo rápido en 4 pasos ​

Por qué: 20 pasos implican esperar ocho o nueve minutos, demasiado lento para probar prompts repetidamente. La plantilla incorpora el cambio automático del LoRA de lightx2v con 4 pasos——un solo interruptor cambia a la vez la ruta del modelo, el número de pasos y el cfg, sin tener que modificar tres lugares a mano.

  1. Confirma que los dos LoRA de 4steps ya están descargados y en su sitio (la opción del paso 2)
  2. Activa el enable_turbo_mode del nodo subgráfico
  3. Ejecuta

Deberías ver: esta vez solo se ejecutan 4 pasos: el experto de ruido alto 0→2, el experto de ruido bajo 2→4, y cfg baja a 1; según la medición real de la plantilla: el primer clip tarda unos 108 segundos y el segundo unos 71 segundos.

  • El modo Turbo funciona y el tiempo de generación se acorta notablemente

Qué ocurre detrás del interruptor:

ParámetroModo estándarModo Turbo
Pasos totales204
Frontera ruido alto/ruido bajoPaso 10Paso 2
cfg3.51
Lightning LoRANo se montaSe monta uno para ruido alto y otro para ruido bajo (strength 1.0)
Adecuado paraGeneración finalProbar prompts rápido y elegir composición

⚠️ Turbo para elegir composición, modo estándar para la versión final

4 pasos es un esquema de aceleración que intercambia pasos por velocidad. Flujo recomendado: con Turbo activado, prueba prompts y composiciones en lote; una vez elegidos, desactiva el interruptor y vuelve a ejecutar en modo estándar con 20 pasos para la versión final.

Paso 5: cambiar resolución, duración y número de fotogramas ​

Por qué: los valores por defecto de la plantilla, 640×640 y 5 segundos, no están fijados; pero ancho, alto y número de fotogramas tienen cada uno sus propias reglas de incremento, y rellenarlos al azar causa problemas.

Los tres parámetros del nodo del subgrafo:

ParámetroValor por defecto de la plantillaReglaExplicación
width640múltiplo de 16corresponde al incremento del nodo latent 16
height640múltiplo de 16igual que arriba
duration5unidad: segundosconvierte internamente a fotogramas: length = duration × fps + 1
  1. Para ejecutar en 480P: width con 848, height con 480 (el valor por defecto del propio nodo EmptyHunyuanLatentVideo es justamente este)
  2. Para ejecutar en 720P: width con 1280, height con 720 (el ejemplo oficial de línea de comandos usa precisamente este tamaño)
  3. Para cambiar la duración: modifica directamente duration (segundos). 5 segundos × 16fps + 1 = 81 fotogramas; cambiar a 3 segundos da 49 fotogramas
  4. La frecuencia de fotogramas está en el nodo CreateVideo dentro del subgrafo (la plantilla la fija en 16); en general no hace falta tocarla: para ajustar la duración basta con cambiar duration

Deberías ver: tras cambiar los parámetros y volver a ejecutar, la resolución y la duración del video de salida cambian en consecuencia.

  • Sabe cambiar width / height / duration y explicar por qué el número de fotogramas es 4n+1
¿Por qué el número de fotogramas sigue siendo 4n+1?

El latent generado por EmptyHunyuanLatentVideo se comprime 4 veces en la dimensión temporal: length fotogramas se comprimen en ((length−1)÷4)+1 segmentos temporales. Por eso length solo puede tomar valores como 1, 5, 9… 81, es decir, de la forma 4n+1, y el nodo fija el incremento en 4 precisamente para garantizarlo. duration × fps + 1 (5×16+1=81) cae exactamente en esa progresión.

Punto de control ✅ ​

  • El modo estándar funciona: un video de 20 pasos, 640×640, 81 fotogramas y unos 5 segundos aparece en el directorio de salida
  • El modo Turbo funciona: genera en 4 pasos, con el tiempo reducido a menos de 2 minutos (referencia de tarjeta de 24GB)
  • Sabe nombrar los archivos de las cuatro piezas y sus directorios (diffusion_models ×2 / text_encoders / vae)
  • Sabe explicar la división de tareas de los dos expertos MoE: el de ruido alto gestiona la composición general, el de ruido bajo el refinamiento de detalles, con 27B de parámetros totales y 14B activados por paso
  • Sabe que ancho y alto deben ser múltiplos de 16 y length de la forma 4n+1, y sabe cambiar por su cuenta a 480P/720P y la duración

Advertencias de errores comunes ​

❌ Solo se descargó un archivo de diffusion ​

14B es de doble experto: los dos archivos high_noise y low_noise son imprescindibles. Si solo descargas uno, en la lista desplegable del otro unet del nodo del subgrafo no aparecerá ningún archivo y el flujo de trabajo no se ejecutará.

Lo correcto: descarga las cuatro piezas según la tabla del paso 2, con ruido alto y ruido bajo cada uno en su lugar.

❌ Otra vez un VAE equivocado: esta vez hay que usar el de 2.1 ​

En la lección anterior el 5B usaba wan2.2_vae, pero en esta lección el 14B es al revés: usa wan_2.1_vae (la nota oficial indica compatibilidad con Wan2.2). Las dos familias de modelos tienen números distintos de canales de latent (el 5B tiene 48 canales, el 14B tiene 16 canales), así que los VAE no se pueden mezclar.

Lo correcto: en esta lección solo vale wan_2.1_vae.safetensors; no reutilices por inercia el VAE de la lección anterior.

❌ Turbo activado pero sin descargar los archivos LoRA ​

Al activar enable_turbo_mode, la plantilla cambia la entrada de modelo de los dos samplers a la ruta con LoRA montado; si los archivos LoRA no están en models/loras/, no se pueden seleccionar en la lista desplegable y todo se queda atascado.

Lo correcto: primero descarga y coloca los dos wan2.2_t2v_lightx2v_4steps_lora_v1.1_*.safetensors (1.14 GB cada uno) y luego activa el interruptor.

❌ Ejecutar 720P con menos de 24GB de VRAM ​

La plantilla usa 640×640 por defecto por una razón: en las pruebas de la plantilla, una tarjeta de 24GB ejecutando este tamaño ya ocupa el 84% de la VRAM. Si subes directamente a 1280×720, el latent se agranda, el consumo de VRAM sube en consecuencia y es muy fácil quedarse sin memoria (OOM).

La forma correcta: primero reduce la duración (duration 5→3), luego baja el ancho y la altura dentro de los múltiplos de 16 (ten en cuenta que 848×480 y 640×640 tienen un número de píxeles similar, así que cambiar entre ellas no ahorra mucha VRAM). Si la VRAM sigue muy justa, consulta la solución de cuantización GGUF más abajo.

Técnicas avanzadas (opcional) ​

Expansión de prompts: de frases cortas a frases largas ​

La recomendación oficial es activar la expansión de prompts (prompt extension) para enriquecer los detalles del video: el script oficial usa qwen-plus de la API dashscope (tarea de texto a video) para expandir, y también se puede cambiar por un modelo Qwen local (como Qwen2.5-14B-Instruct). La plantilla de ComfyUI no incluye este paso, pero la idea se puede aplicar directamente: pasa primero la frase corta a cualquier LLM para expandirla en una descripción completa de la escena y luego pégala en el prompt positivo.

El prompt de ejemplo de texto a video de la tarjeta oficial del modelo es simplemente una frase corta:

text
Two anthropomorphic cats in comfy boxing gear and bright gloves fight
intensely on a spotlighted stage.

Si falta VRAM: versión cuantizada GGUF ​

La comunidad tiene versiones cuantizadas GGUF de T2V-A14B (bullerwins/Wan2.2-T2V-A14B-GGUF, la colección GGUF de Wan2.2 de QuantStack), que se cargan con el nodo personalizado city96/ComfyUI-GGUF; es la solución habitual para ejecutar los 14B con VRAM baja, y los detalles están en modelos cuantizados GGUF.

Guía oficial de prompts ​

Alibaba mantiene oficialmente una guía de prompts de Wan2.2 (documento de DingTalk), que admite prompts tanto en chino como en inglés; de hecho, el prompt negativo incluido en la plantilla de esta lección ya está en chino.

Resumen de la lección ​

✅ En esta lección ejecutamos el flujo de trabajo de doble experto de Wan2.2 texto a video de 14B:

  • ✅ Modo estándar: los cuatro pesos + plantilla oficial, 20 pasos, cfg 3.5, euler + simple, 640×640 produce el video en unos 5 segundos
  • ✅ Principio MoE: el experto de ruido alto gestiona la composición, el experto de ruido bajo gestiona los detalles, con 27B de parámetros totales y solo 14B activados por paso, sin aumentar la potencia de cómputo
  • ✅ Modo Turbo: enable_turbo_mode un solo interruptor, LoRA de 4 pasos + cfg 1, gran aceleración para probar prompts
  • ✅ Reglas de parámetros: ancho y alto múltiplos de 16, length toma 4n+1, ya sabes modificar 480P/720P y la duración

Repaso de los campos de configuración clave:

CampoValor recomendadoDescripción
high_noise_modelwan2.2_t2v_high_noise_14B_fp8_scaled.safetensorsExperto de ruido alto, gestiona la primera mitad del denoising
low_noise_modelwan2.2_t2v_low_noise_14B_fp8_scaled.safetensorsExperto de ruido bajo, gestiona la segunda mitad del denoising
clip_nameumt5_xxl_fp8_e4m3fn_scaled.safetensorselige type wan, reutiliza los archivos del repositorio 2.1
vae_namewan_2.1_vae.safetensorsOficialmente indicado como compatible con Wan2.2, no uses el de 5B
Muestreo (modo estándar)20 pasos / cfg 3.5 / euler + simple / frontera en el paso 10Predeterminado de la plantilla
Muestreo (Turbo)4 pasos / cfg 1 / frontera en el paso 2 + dos LoRA de 4stepsenable_turbo_mode activado
ModelSamplingSD3shift 5 (uno para ruido alto y otro para ruido bajo)Predeterminado de la plantilla
width / height640×640 (múltiplos de 16)480P usa 848×480, 720P usa 1280×720
duration5 segundos (length = duration×fps+1 = 81 fotogramas)fps 16 se define en CreateVideo dentro del subgrafo
SaveVideoprefijo video/ComfyUI, formato autosalida en el subdirectorio video/

Avance de la próxima lección ​

El texto a video crea desde cero; la próxima lección hará que una foto existente se mueva: Wan2.2 14B imagen a video: da vida a tus fotos. Aprenderás:

  • cómo son los pesos específicos de 14B imagen a video (atención: I2V es un archivo fp16, distinto del fp8 de esta lección)
  • Load Image para subir el primer fotograma: el video empieza a moverse desde tu foto
  • cuándo usar T2V para crear desde cero y cuándo usar I2V para transformar material existente

Apéndice: referencia del código fuente ​

Haz clic para expandir y ver la ubicación del código fuente

Fecha de actualización: 2026-11-05 (plantilla video_wan2_2_14B_t2v de la biblioteca de plantillas, versión mínima oficial indicada ComfyUI 0.16.4)

ContenidoUbicación
Tutorial oficial (Wan2.2, incluye la sección T2V de 14B)https://docs.comfy.org/tutorials/video/wan/wan2_2
Plantilla JSON del flujo de trabajohttps://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_t2v.json
Repositorio de pesos (Hugging Face)https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged
Repositorio de pesos (espejo en ModelScope)https://modelscope.cn/models/Comfy-Org/Wan_2.2_ComfyUI_Repackaged
Ficha del modelo Wan-AI (T2V-A14B: MoE 27B/14B, 480P/720P, criterio de 80GB)https://huggingface.co/Wan-AI/Wan2.2-T2V-A14B
EmptyHunyuanLatentVideo Código fuente del nodocomfy_extras/nodes_hunyuan.py (L43–L64)

Los parámetros de esta página (modo estándar 20 pasos / cfg 3.5 / paso de corte 10, Turbo 4 pasos / cfg 1 / paso de corte 2, shift 5, 640×640 / 81 fotogramas / fps 16, el conjunto de cuatro archivos y los nombres y tamaños de los LoRA, y las notas de prueba 536s / 108s) fueron verificados con los valores reales de los nodos de la plantilla JSON video_wan2_2_14B_t2v.json; la arquitectura MoE, 480P/720P y el criterio de memoria de vídeo provienen de la ficha del modelo de Wan-AI y del tutorial oficial.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.