~9 хв

Wan: відео з тексту і з фото

Відкрите відео прямо у ComfyUI - оживити картинку або зібрати ролик з нуля, і тверезо про залізо

Що таке Wan від Alibaba, чим Wan 2.1 і 2.2 відрізняються, як зробити відео з тексту (T2V) і оживити фото (image-to-video), чому Wan 2.5 зі звуком - закритий API, і як запустити відеогенерацію на слабкій відеокарті. Реалістичні очікування щодо довжини ролика і часу рендеру.

Скіли ECC у цьому уроці: fal-ai-media video-editing

Відео перестало бути магією для обраних

Іще недавно згенерувати відео локально було майже неможливо: або платний сервіс, або танці з бубном. У 2026-му відкрите відео приїхало у ComfyUI, і править тут Wan від Alibaba. Завантажив модель - і робиш короткі ролики у себе на відеокарті.

Sodi оживляє одне фото - лінії руху й кіноплівка вириваються з кадру — Image-to-video: Sodi оживляє готовий кадр у короткий ролик.

Два режими: з тексту і з фото

Текст-у-відео (T2V). Описуєш сцену словами - модель збирає ролик з нуля. Зручно, коли вихідника немає: «кава повільно наливається у чашку, пара піднімається».
Фото-у-відео (I2V, image-to-video). Даєш готову картинку - модель її оживляє: додає рух, вітер, відблиски, легку анімацію. Ось де магія для вайбкодера: згенерував кадр у FLUX або Qwen - і Wanʼом перетворив його на живий ролик.

Звʼязка, яку варто запамʼятати: FLUX/Qwen малює кадр - Wan його оживляє. Спочатку ідеальна картинка, потім рух. Так контролю більше, ніж просити відео одразу з тексту.

Яку Wan брати

Всередині Wan 2.2 є варіанти під різне залізо - той самий принцип «легкий проти важкого», що й з картинками.

Wan 2.2 TI2V-5B (легка)

Один компактний чекпоїнт на обидва режими (текст- і фото-у-відео).
Скромніша до відеопамʼяті - реальніше запустити на домашній карті.
Швидша - зручно пробувати і перебирати.

Wan 2.2 A14B (важка)

Якість вища - чистіший рух і деталі.
Окремі чекпоїнти під текст- і фото-у-відео.
Просить потужну відеокарту і більше часу на рендер.

А де Wan зі звуком?

Тобі трапиться Wan 2.5 - там і синхронний звук, і 1080p, і ролики довші. Звучить шикарно, але є нюанс: ваги Wan 2.5 закриті - це платний API, а не модель для завантаження. У ComfyUI ти працюєш з відкритими 2.1 і 2.2. Звук до них зазвичай додають окремим кроком або інструментом вже після генерації відео.

Запуск і тверезі очікування

Відео на Wan - по кроках


Онови ComfyUI до свіжої версії - Wan підтриманий нативно, у меню є готові шаблони.
Завантаж Wan 2.2: слабке залізо - TI2V-5B, потужне - A14B. Дуже слабке - шукай квантовану (GGUF) збірку.
Обери режим: оживити готове фото (I2V) або зібрати з тексту (T2V). Новачку - I2V.
Відкрий відповідний шаблон Wan з прикладів ComfyUI.
Для I2V подай свою картинку і короткий опис руху. Запусти і дай часу на рендер.

Часті помилки з відео

Ставити важку A14B на слабку карту. Вилетить по памʼяті. Під домашнє залізо - легка TI2V-5B або GGUF.
Чекати кіно. Локальне опенсорс-відео - це короткі кліпи. Реалістичні очікування бережуть нерви.
Іти одразу у текст-у-відео. Менше контролю над кадром. Почни з оживлення готового фото.
Шукати Wan 2.5 для завантаження. Її ваги закриті. Локально - лише 2.1 / 2.2.
Описувати занадто складний рух. Простий і зрозумілий рух Wan робить акуратніше, ніж десять одночасних дій у кадрі.

TL;DR - если коротко

Wan (Alibaba) - головні відкриті відеомоделі 2026 року. Wan 2.1 і 2.2 - з відкритими вагами, працюють у ComfyUI нативно.
Два режими: текст-у-відео (ролик з нуля за описом) і фото-у-відео (image-to-video) - оживити готову картинку. Друге - найсмачніше.
Wan 2.2 є у легкому варіанті (один компактний чекпоїнт TI2V-5B) і важкому (A14B - чистіше, але прожерливіше до відеопамʼяті).
Wan 2.5 додав звук і 1080p, але це вже закритий API - локально ваги не запустити. У ComfyUI працюєш з відкритими 2.1 / 2.2.
Тверезий настрій: відео їсть відеопамʼять і час. Ролики короткі (секунди), рендер не миттєвий. Слабке залізо - бери легку TI2V-5B або квантовану збірку.

Скіл уроку для ШІ-агента (.md) Всі уроки