Wan 2.2 lokalnie: wideo z AI na własnej karcie - czas, VRAM, próbki
Cztery klipy 5 s w 720p z Wan 2.2 5B na RTX 4090: ok. 4 minuty na klip, 2 grosze prądu. Co wychodzi dobrze, a gdzie model gubi fizykę.
👁 115 przeczytań
Wan 2.2 to darmowy model wideo od Alibaby, który można uruchomić na własnym komputerze i używać komercyjnie. 26 września 2026 roku wygenerowałem nim cztery 5-sekundowe klipy 720p na karcie RTX 4090, w ComfyUI, w najmniejszej wersji TI2V 5B. Jeden klip zajmował karcie około 4 minut. Poniżej wszystkie cztery klipy bez poprawek, z czasem, zużyciem pamięci i błędami, które widać gołym okiem.
W skrócie
Wan 2.2 5B robi przyzwoite 5-sekundowe ujęcia 1280×704 w około 4 minuty i praktycznie za darmo (około 2 grosze prądu za klip). Najlepiej wychodzą statyczne ujęcia z nastrojem: deszczowa ulica, pejzaż, prosta animacja 2D. Model gubi się w fizyce i szczegółach. Kawa w filiżance prześwitywała przez porcelanę, a lama zamiast odwrócić głowę zaczęła się paść. Do szkiców, tła i materiałów roboczych jest w porządku. Do reklamy klienta weź płatny generator, np. Wan 3.0 w chmurze.
Co to jest Wan 2.2 i która wersja działa w domu
Wan 2.2 to rodzina otwartych modeli wideo zespołu Wan-AI z Alibaby, udostępniona na licencji Apache 2.0. Większe warianty (14 mld parametrów) potrzebują znacznie więcej pamięci niż ma typowa karta dla graczy. Wersja TI2V 5B ma 5 mld parametrów i robi wideo zarówno z tekstu, jak i z obrazka startowego. Ją da się uruchomić na jednej karcie dla graczy. Użyłem gotowych plików przygotowanych przez zespół ComfyUI:
- model
wan2.2_ti2v_5B_fp16.safetensors- 10,0 GB, - koder tekstu
umt5_xxl_fp8_e4m3fn_scaled.safetensors- 6,7 GB, - VAE
wan2.2_vae.safetensors- 1,4 GB.
Pliki trafiają do folderów models/diffusion_models, models/text_encoders i models/vae w ComfyUI. Jak postawić samo ComfyUI, opisuję w poradniku ComfyUI od zera.
Ustawienia i pomiary
Każdy klip: 1280×704, 121 klatek przy 24 kl./s (5,04 s), 20 kroków, CFG 5, sampler uni_pc, przesunięcie 8. To ustawienia z oficjalnego szablonu ComfyUI dla Wan 2.2 5B. Karta: RTX 4090 24 GB, Windows 11, ComfyUI 0.37.
| Klip | Czas generowania | Szczyt pamięci karty | Średni pobór mocy |
|---|---|---|---|
| Kawa (pierwszy, z wczytaniem modelu) | 574 s | 23,6 GB | 141 W |
| Tramwaj w deszczu (pierwszy w drugiej serii) | 592 s | 23,6 GB | 146 W |
| Lama na łące | 239 s | 23,9 GB | 312 W |
| Animacja 2D z kotem | 232 s | 23,4 GB | 319 W |
Pierwszy klip w serii trwa ponad dwa razy dłużej, bo model wczytuje się z dysku do pamięci. Kolejne to około 4 minuty. Szczyt pamięci obejmuje około 3,4 GB zajętych wcześniej przez system i przeglądarkę, więc sam Wan potrzebował około 20 GB. Na kartach z 12-16 GB ComfyUI przeniesie część modelu do pamięci RAM. To działa, ale generowanie potrwa dłużej. Nie mierzyłem tego.
Klipy: co wyszło, a co nie
1. Kawa nalewana do filiżanki
2. Warszawski tramwaj w deszczu
3. Lama na górskiej łące
4. Animacja 2D: praca nocą i kot
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Wzór jest wyraźny: im mniej ruchu i fizyki, tym lepiej. Ujęcia „ze statywu” z ruchem w tle (deszcz, tramwaj, liście) wychodzą przekonująco. Precyzyjne czynności, jak nalewanie płynu czy konkretny gest zwierzęcia, model upraszcza albo przekręca.
Wan 2.2 lokalnie czy generator w chmurze
| Wan 2.2 5B lokalnie | Płatne generatory (Kling, Veo, Wan 3.0) | |
|---|---|---|
| Koszt klipu 5 s | ok. 2 gr prądu (karta 315 W przez 4 min) | od kilkudziesięciu groszy do kilku złotych |
| Czas | ok. 4 min | zwykle 1-3 min w kolejce |
| Rozdzielczość | 1280×704, 24 kl./s | do 1080p i więcej |
| Dźwięk | brak | w części modeli tak |
| Prywatność | nic nie wychodzi z komputera | polecenia i obrazy idą na serwer |
| Cenzura i limity | brak limitów dziennych | limity kredytów i filtry treści |
Ceny generatorów w chmurze zmieniają się co tydzień. Aktualne porównanie jest w hubie generatory wideo AI. To opinia redakcji: Wan 2.2 5B lokalnie opłaca się, gdy potrzebujesz dziesiątek ujęć roboczych, tła albo materiału do montażu, a nie jednego efektownego klipu.
Najczęstsze pytania
Jaka karta graficzna jest potrzebna do Wan 2.2?
W moim teście Wan 2.2 TI2V 5B zajął około 20 GB pamięci RTX 4090 przy wideo 1280×704. Na kartach z 12-16 GB działa wolniej, z częścią modelu w pamięci RAM. Większe warianty 14B wymagają dużo więcej pamięci.
Ile trwa wygenerowanie filmu w Wan 2.2?
Około 4 minut na 5-sekundowy klip 720p (121 klatek, 20 kroków) na RTX 4090, gdy model jest już wczytany. Pierwszy klip po starcie trwał 574 s, bo doszło wczytanie 18 GB plików z dysku.
Czy Wan 2.2 jest darmowy i czy można go używać komercyjnie?
Tak. Wagi są na Hugging Face na licencji Apache 2.0, która pozwala na użytek komercyjny. Płacisz tylko za prąd, około 2 groszy za klip.
Czy Wan 2.2 robi wideo z dźwiękiem?
Nie. Wersja 5B generuje sam obraz. Dźwięk trzeba dodać w montażu.
Źródła i data sprawdzenia
Test własny 26.09.2026: RTX 4090 24 GB, ComfyUI 0.37, pomiar nvidia-smi co 0,5 s. Model i licencja: Wan-AI/Wan2.2-TI2V-5B. Pliki dla ComfyUI: Comfy-Org/Wan_2.2_ComfyUI_Repackaged. Sprawdzone 26 września 2026.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Podobne tematy na Promptowym
