Komputer do wideo AI: ile VRAM, RAM i jaki dysk (moje pomiary)

👁 122 przeczytań

Komputer do wideo AI to przede wszystkim karta graficzna z dużą pamięcią: na RTX 4090 z 24 GB klip 5 s w 720p z Wan 2.2 liczy się ok. 4 minuty (pierwszy, razem z wczytaniem modelu, 9,5 minuty), a Kandinsky 6 z dźwiękiem 2-7 minut. Drugi w kolejce jest RAM (minimum 32 GB, przy największych modelach 64 GB), trzeci dysk, bo modele ważą 18-50 GB i przy pierwszym uruchomieniu trzeba je wczytać. Liczby poniżej zmierzyłem 3 i 17 października 2026 na swoim komputerze. Ogólny poradnik o sprzęcie, także do modeli tekstowych, jest w tekście jaki komputer do lokalnego AI, a przegląd całego tematu w przewodniku lokalne AI.

Odpowiedź w skrócie

• Karta: Nvidia z 16 GB pamięci to rozsądne minimum do wideo, 24 GB to wygoda. Kart 8-12 GB nie mierzyłem: tam ComfyUI musi przenosić do RAM większą część modelu.
• RAM: 32 GB do Wan 2.2 i LTX-Video, 64 GB do Kandinsky 6 Pro i większych LTX.
• Dysk: SSD z 100-200 GB wolnego miejsca na same modele. Szybszy dysk skraca tylko pierwsze uruchomienie.
• Procesor: wystarczy rozsądny 8-rdzeniowy. Liczy karta.

Ile pamięci karty zajmuje każdy model

Szczyt całej karty z nvidia-smi, razem z ok. 2 GB zajętymi przez system i pulpit. ComfyUI zajmuje tyle, ile jest dostępne, więc to nie jest twarde minimum.

Wan i LTX-Video mierzyłem 3 października (klip 5 s, ok. 1280×704), Kandinsky 17 października (5 s, 864×480, z dźwiękiem). „Dodatkowy RAM” to wzrost zajętej pamięci systemu w trakcie generowania, a przy Kandinsky Pro ilość wag, którą ComfyUI trzymał w RAM i dosyłał do karty. Wnioski:

• Wszystkie cztery modele mieszczą się na 24 GB, ale żaden nie zostawia dużego zapasu. Obok nich nie uruchomisz już np. gry ani drugiego modelu.
• Kandinsky 6 Pro nie mieści się w karcie w ogóle: plik int8 ma 30,5 GB. Działa tylko dlatego, że reszta wag siedzi w RAM. Stąd 6-7 minut na klip zamiast ok. 2 minut w Lite.
• Szczyt pamięci przypada zwykle na koniec, na składanie klatek w obraz (VAE). W samym liczeniu kroków zajętość jest niższa.

Co się dzieje, gdy VRAM jest za mało

Mniejszej karty nie mam, więc 3 października uruchomiłem osobną kopię ComfyUI 0.37 z opcją --reserve-vram, która każe zostawić część pamięci karty wolną. Ta sama scena (Kraków w deszczu, ziarno 42), czas od wysłania zadania do pliku MP4:

* razem z pierwszym wczytaniem modelu z dysku.

Co z tego wynika, a czego nie:

• Przy ciaśniejszym limicie Wan 2.2 5B liczył klip tak samo szybko, a w trakcie generowania zajmował w połowie czasu ok. 14,8 GB całej karty (razem z ok. 2,3 GB systemu). To dobry znak dla kart z 16 GB.
• Limit nie zadziałał jak prawdziwa mała karta. Przy 13,5 GB „zostawionych” szczyt i tak doszedł do 17,3 GB, bo ComfyUI traktuje tę opcję elastycznie. Ta próba nie mówi więc, jak szybko policzy klip karta z 8 GB.
• Gdy model naprawdę nie mieści się w karcie (Kandinsky 6 Pro), ComfyUI przerzuca wagi do RAM i czas rośnie ok. 3 razy w porównaniu z modelem, który się mieści (Lite).

RAM: dlaczego 32 GB to minimum

RAM jest drugim ograniczeniem, bo ComfyUI trzyma w nim modele w czasie, gdy nie siedzą na karcie, i dosyła części wag w trakcie pracy.

• Przed testami system, przeglądarka i programy w tle zajmowały u mnie ok. 29 GB.
• W trakcie klipu z Wan 2.2 albo LTX-Video zajętość rosła do 49-50 GB, czyli o ok. 20-21 GB.
• Kandinsky 6 Pro w int8 trzymał w RAM ok. 29 GB wag, których nie zmieściła karta.

Z 32 GB RAM Wan i LTX-Video ruszą, jeśli zamkniesz zbędne programy. Do Kandinsky 6 Pro i nowych LTX-2.x (ok. 47-53 GB plików według szablonów ComfyUI) bierz 64 GB. Lightricks dla swojego programu LTX Desktop podaje minimum 16 GB RAM i zaleca 32 GB.

Dysk: liczy się przy pierwszym uruchomieniu

Dysk wpływa na czas tylko przy pierwszym klipie po starcie ComfyUI. Potem model siedzi w RAM albo na karcie.

• 17 października mój zewnętrzny SSD na USB czytał duże pliki modeli z prędkością 288-308 MB/s (trzy próby po 1,5-2 GB). 3 października przy ładowaniu modeli tekstowych ten sam dysk dawał tylko ok. 44 MB/s. Przyczyny nie ustaliłem.
• Pierwszy klip z Wan 2.2 trwał 9:28 min, kolejne ok. 4 minuty. Sam pierwszy krok generowania, w trakcie którego ComfyUI dociągał model, zajął prawie 4 minuty.
• LTX-Video przez 5 minut wczytywał model, a potem policzył 8 kroków w 20 s.

Miejsce: same pliki z tabeli wyżej to ok. 94 GB (Kandinsky Lite i Pro dzielą koder tekstu i VAE), a LTX-2.5 dokłada 53 GB. Na start zaplanuj 100-200 GB wolnego miejsca na SSD, najlepiej wewnętrznym NVMe (tego wariantu nie mierzyłem). Lightricks podaje dla LTX Desktop ok. 72 GB na podstawowe modele.

Prąd

Moc karty mierzyłem razem z pamięcią (nvidia-smi co 0,5 s). Reszty komputera nie mierzyłem.

• Wan 2.2 5B: średnio 272-282 W w trakcie klipu, szczytowo 441 W. Na jeden klip 5 s karta zużyła ok. 19 Wh.
• LTX-Video 13B: 5,7 Wh na klip razem z wczytywaniem modelu, bo samo liczenie trwało 20 s.

Przy cenie 1 zł za kWh klip z Wan to ok. 2 grosze prądu karty, a 100 klipów ok. 1,90 zł. Ważniejsze od rachunku jest ciepło: przez kilka minut karta oddaje do pokoju ponad 400 W, więc obudowa potrzebuje dobrego przepływu powietrza.

Najprościej: Hangar sprawdzi kartę za Ciebie

Jeśli nie wiesz, czy Twoja karta udźwignie dany model, możesz użyć Hangara. To moje narzędzie: darmowy menedżer lokalnych modeli obrazu, wideo i muzyki na Windows 10/11. Po instalacji sam wykrywa kartę i przy każdym modelu z katalogu (w tym Wan 2.2 5B, LTX-Video 13B i Kandinsky 6) pokazuje, czy się zmieści. Wymaga karty Nvidii z CUDA od 8 GB pamięci, najlepiej 12 GB i więcej. Szczegóły na stronie Hangar.

Jaki komputer do wideo AI: trzy poziomy

1. Na próbę: karta 8-12 GB, 32 GB RAM. Mniejsze modele i niższe rozdzielczości, z przenoszeniem części modelu do RAM. Tego poziomu nie mierzyłem, więc nie podaję czasów. Dobry do nauki ComfyUI i pisania poleceń.
2. Rozsądny: karta 16 GB, 32-64 GB RAM, SSD 1-2 TB. Według mojej próby z limitem pamięci Wan 2.2 5B i LTX-Video 13B powinny tu działać w 720p. LTX Desktop wymaga co najmniej 15 GiB pamięci karty, więc się zmieści.
3. Wygodny: karta 24 GB lub więcej, 64 GB RAM, SSD NVMe 2 TB. Mój zestaw z RTX 4090. Wan, LTX-Video, Kandinsky 6 Lite i Pro działają bez kombinowania: ok. 4 minuty na klip z Wan, ok. 2 minuty z Kandinsky Lite.

Na co nie wydawać pieniędzy

• Procesor z najwyższej półki. W moich pomiarach procesor pracował głównie przy wczytywaniu modeli i kodowaniu MP4. Wystarczy rozsądny 8-rdzeniowy.
• Dwie słabsze karty zamiast jednej mocnej. ComfyUI liczy klip na jednej karcie, pamięć dwóch kart się nie sumuje.
• Szybka karta z małą pamięcią. Do wideo AI lepsza jest wolniejsza karta z 16-24 GB niż szybsza z 8-12 GB.

Czym jest pamięć karty i jak sprawdzić, ile jej masz, wyjaśniam w tekście co to VRAM, a wzory na pamięć modeli tekstowych w tekście ile VRAM potrzeba.

Najczęstsze pytania

Ile VRAM potrzeba do generowania wideo AI?

U mnie modele wideo zajmowały w szczycie 17-23 GB całej karty RTX 4090 (Wan 2.2 5B, LTX-Video 13B, Kandinsky 6). ComfyUI zajmuje tyle, ile dostanie, i potrafi przenieść część modelu do RAM, więc rozsądne minimum to 16 GB, a wygoda zaczyna się od 24 GB.

Czy 8 GB VRAM wystarczy do wideo AI?

Na próbę tak, do wygodnej pracy nie. Karta z 8 GB uruchomi mniejsze modele w niższej rozdzielczości, z częścią wag w RAM, i będzie wyraźnie wolniejsza. Hangar, moje narzędzie, wymaga minimum 8 GB, a zaleca 12 GB i więcej. Czasu na prawdziwej karcie 8 GB nie mierzyłem.

Ile RAM do ComfyUI i wideo?

Minimum 32 GB. W moich testach Wan 2.2 i LTX-Video podnosiły zajętość RAM o ok. 20-21 GB, a system i programy w tle zajmowały wcześniej ok. 29 GB. Do Kandinsky 6 Pro (ok. 29 GB wag w RAM) i LTX-2.x bierz 64 GB.

Jaka karta graficzna do AI wideo?

Nvidia z możliwie dużą pamięcią: 16 GB na start, 24 GB lub więcej do wygodnej pracy z Wan 2.2, LTX i Kandinsky 6. Większość modeli wideo i przyspieszeń (np. fp8) przygotowano pod CUDA. ComfyUI obsługuje karty AMD przez ROCm, ale tego nie mierzyłem.

Czy da się generować wideo AI na laptopie?

Na laptopie z kartą RTX z 8-16 GB tak, ale wolniej niż na stacjonarnym odpowiedniku: mobilne karty mają niższy limit mocy, a długie generowanie nagrzewa obudowę. Zasady są te same: liczy się pamięć karty i RAM. Laptopów nie testowałem.

Mac z dużą pamięcią czy PC z RTX?

Mac z 64-128 GB pamięci zmieści większe modele, bo pamięć jest wspólna dla procesora i grafiki, ale modele wideo liczą się na nim wolniej niż na kartach Nvidii i nie wszystkie optymalizacje działają. Do wideo AI wybrałbym PC z RTX. Nie mierzyłem tego sam.