> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/generaciya-video/wan22-vbvr.md). # Wan 2.2 VBVR (контроль движения) **Wan 2.2 VBVR** (видеореференс на основе видео) — это апрельское расширение Alibaba 2026 года для базовой модели изображения-в-видео Wan 2.2. Оно добавляет новую мощную возможность: вы предоставляете **референсный видеоклип** для управления паттернами движения в сгенерированном видео, а не только начальное изображение. В результате получается согласованная, управляемая анимация — тот же персонаж, продукт или сцена следует траектории движения из вашего референсного видео. В этом руководстве рассматривается развёртывание Wan 2.2 VBVR через ComfyUI на арендованном GPU от Clore.ai. *** ## Что такое VBVR (видеореференс на основе видео)? Традиционные модели изображения-в-видео берут статичное изображение и генерируют движение с нуля. Движение направляется вашим текстовым запросом, но оно может быть непредсказуемым — особенно для конкретных жестов, движений камеры или действий персонажа. **VBVR меняет правила игры:** вы предоставляете: 1. A **начальное изображение** — ваш объект (персонаж, продукт, сцена) 2. A **референсное видео движения** — короткий клип, демонстрирующий нужное вам движение 3. A **текстовый запрос** — описание содержания и стиля Модель извлекает паттерн движения из референсного видео и применяет его к вашему начальному изображению, создавая новое видео, в котором ваш объект естественно выполняет это движение. ### Примеры применения | Входное изображение | Движение в референсном видео | Вывод | | --------------------- | --------------------------------- | ------------------------------------------- | | Фото продукта | Рука поднимает похожий предмет | Анимация подъёма продукта | | Иллюстрация персонажа | Цикл ходьбы актёра | Ходьба персонажа | | Модель на подиуме | Кадры прохода по подиуму | Одежда в движении | | Экстерьер здания | Панорама камеры из съёмки с дрона | Кинематографичный B-roll с раскрытием сцены | *** ## Обзор модели * **Полное название:** Wan 2.2 I2V-A14B с VBVR (видеореференс на основе видео) * **Выпущено:** Апрель 2026 года, Alibaba / команда Wan-AI * **Основано на:** Wan 2.2 I2V-A14B (изображение-в-видео, 14B параметров, разрешение до 480p) * **HuggingFace:** `Wan-AI/Wan2.2-I2V-A14B` * **Пайплайн VBVR:** распространяется через общественные узлы ComfyUI Manager * **Лицензия:** Apache 2.0 ### Варианты | Вариант | Требуемая VRAM | Качество | Скорость | | -------- | -------------- | --------- | --------- | | **FP8** | 16–24 ГБ | Высокая | Быстро | | **BF16** | 24–40 ГБ | Наивысшая | Умеренная | Параметр **Вариант FP8** работает на RTX 3090 (24 ГБ) и может уместиться в карты на 16 ГБ при уменьшенном размере пакета. **Вариант BF16** обеспечивает лучшее качество и комфортно работает на RTX 4090 (24 ГБ) или A6000 (48 ГБ). *** ## Требования к оборудованию | GPU | VRAM | Вариант | Цена на Clore.ai | | ---------- | ----- | -------------- | ------------------------------------------- | | RTX 3090 | 24 ГБ | FP8 ✅ | $0.07–0.21/ч | | RTX 4090 | 24 ГБ | FP8 ✅ / BF16 ✅ | $0.14–0.42/ч | | A6000 48GB | 48 ГБ | BF16 ✅ | $0.35–0.38/ч | | A100 80 ГБ | 80 ГБ | BF16 ✅ | [голое железо](https://clore.ai/bare-metal) | Для большинства пользователей **RTX 4090 за $0.14–0.42/ч** — лучший баланс цены и качества, с запуском BF16 в полном разрешении 480p. *** ## Пошаговая настройка на Clore.ai ### Шаг 1: Арендуйте GPU Перейдите на [clore.ai/marketplace](https://clore.ai/marketplace): * **Бюджетная**: RTX 3090 ($0.07–0.21/ч) — только FP8 * **Рекомендуется**: RTX 4090 ($0.14–0.42/ч) — качество BF16 * **Премиум**: A6000 ($0.35–0.38/ч) — пакетная обработка, высокая пропускная способность Используйте **Docker-образ ComfyUI** или базовый образ CUDA (мы установим ComfyUI вручную). ### Шаг 2: Установите ComfyUI ```bash # Клонировать ComfyUI git clone https://github.com/comfyanonymous/ComfyUI.git /workspace/ComfyUI cd /workspace/ComfyUI # Установить зависимости Python pip install -r requirements.txt # Установите ComfyUI Manager (для удобной установки узлов) cd custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git cd .. ``` ### Шаг 3: Установите пользовательские узлы VBVR через ComfyUI Manager Запустите ComfyUI: ```bash cd /workspace/ComfyUI python main.py --listen 0.0.0.0 --port 8188 ``` Открыть `http://YOUR_CLORE_IP:8188` в браузере. Затем: 1. Нажмите **Manager** кнопка (верхнее меню) 2. Найдите **"Wan 2.2 VBVR"** или **"WanVideo"** 3. Установите **ComfyUI-WanVideo** пакет узлов 4. Перезапустите ComfyUI после установки В качестве альтернативы установите узлы напрямую: ```bash cd /workspace/ComfyUI/custom_nodes git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git pip install -r ComfyUI-WanVideoWrapper/requirements.txt ``` ### Шаг 4: Скачайте контрольные точки модели ```bash mkdir -p /workspace/ComfyUI/models/wan # Скачайте базовую модель Wan 2.2 I2V (~28 ГБ) huggingface-cli download \ Wan-AI/Wan2.2-I2V-A14B \\ --local-dir /workspace/ComfyUI/models/wan/Wan2.2-I2V-A14B # Скачайте веса энкодера движения, специфичные для VBVR (~2 ГБ) # Примечание: веса VBVR распространяются как комьюнити-релиз ComfyUI-WanVideoWrapper. # Проверьте https://github.com/kijai/ComfyUI-WanVideoWrapper для актуального пути загрузки. huggingface-cli download \ kijai/WanVideo-motion-encoder \\ --local-dir /workspace/ComfyUI/models/wan/vbvr-motion-encoder ``` > **Совет:** Используйте `huggingface-cli download --include "*.safetensors"` чтобы пропустить несущественные файлы и сэкономить место на диске. ### Шаг 5: Скачайте VAE и текстовый энкодер ```bash # Текстовый энкодер CLIP (общий с базовым Wan 2.2) huggingface-cli download \ Wan-AI/Wan2.2-I2V-A14B \\ --include "xlabs_clip*" \\ --local-dir /workspace/ComfyUI/models/clip # Текстовый энкодер T5 XXL huggingface-cli download \ Wan-AI/Wan2.2-I2V-A14B \\ --include "t5*" \\ --local-dir /workspace/ComfyUI/models/t5 # VAE huggingface-cli download \ Wan-AI/Wan2.2-I2V-A14B \\ --include "Wan2.2_VAE.safetensors" \\ --local-dir /workspace/ComfyUI/models/vae ``` *** ## Построение рабочего процесса VBVR в ComfyUI ### Обзор рабочего процесса Рабочий процесс VBVR соединяет эти группы узлов: ``` [Load Image] ──────────────────────────────────┐ ↓ [Load Reference Video] → [VBVR Motion Encoder] → [Wan I2V Sampler] → [VAE Decode] → [Save Video] ↑ [CLIP Text Encode] ────────────────────────────┘ ``` ### Загрузка рабочего процесса 1. Скачайте готовый JSON рабочего процесса VBVR из репозитория ComfyUI-WanVideoWrapper: ``` custom_nodes/ComfyUI-WanVideoWrapper/workflows/wan22_vbvr.json ``` 2. В ComfyUI: **Загрузить** → выберите `wan22_vbvr.json` ### Настройка ключевых узлов **WanVideoModelLoader** * `model_path`: укажите путь к `Wan2.2-I2V-A14B` * `precision`: `fp8_e4m3fn` для RTX 3090, `bf16` для RTX 4090+ **VBVRMotionEncoderLoader** * `encoder_path`: укажите путь к `vbvr-motion-encoder` **WanVideoSampler** * `steps`: 25–30 (качество), 15–20 (скорость) * `cfg`: 6.0–7.5 (чем выше, тем точнее следует запросу) * `motion_strength`: 0.6–0.9 (насколько точно следовать референсному движению) * `frames`: 25 (примерно 2 секунды при 12 fps) или 49 (4 секунды) * `resolution`: 832×480 (по умолчанию 480p) **LoadVideo (Reference)** * Загрузите ваш референсный клип движения (MP4, GIF или последовательность изображений) * Рекомендуется: 2–5 секунд, примерно той же длительности, что и целевой результат *** ## Запуск первой генерации ### Подготовьте входные данные 1. **Начальное изображение**: 832×480px или близкое к этому. PNG или JPG. Это ваш объект. 2. **Референсное видео движения**: в идеале 2–5 секунд, показывает нужное вам движение. Разрешение не обязано совпадать — модель извлекает векторы движения, а не пиксельное содержимое. 3. **Текстовый запрос**: опишите ваш объект и то, что он делает (например, `"бутылка продукта плавно вращается на белой поверхности, кинематографическое освещение, 4K, профессиональная фотография"`) ### Рекомендуемые настройки для первого запуска ```yaml steps: 25 cfg: 7.0 motion_strength: 0.75 frames: 25 seed: 42 (фиксирован для воспроизводимости) ``` ### Оценка времени генерации | GPU | Вариант | Кадры | Время | | ---------- | ------- | --------- | ------------- | | RTX 3090 | FP8 | 25 кадров | \~3–5 мин | | RTX 4090 | BF16 | 25 кадров | \~2–4 мин | | RTX 4090 | FP8 | 25 кадров | \~1.5–2.5 мин | | A100 80 ГБ | BF16 | 49 кадров | \~3–5 мин | *** ## Практические рабочие процессы ### Анимация персонажа 1. **Образ**: иллюстрация или фото персонажа 2. **Референс**: кадры актёра, выполняющего нужное действие (идёт, машет рукой, бежит) 3. **Запрос**: `"мультяшный персонаж идёт через лес, плавная анимация, единый стиль"` 4. **motion\_strength**: 0.85 (высокая точность следования референсному движению) ### Демонстрация продукта 1. **Образ**: чистый снимок продукта на белом фоне 2. **Референс**: руки распаковывают или вращают похожий продукт 3. **Запрос**: `"премиальный показ продукта, поворот на 360°, мягкое студийное освещение, коммерческое качество"` 4. **motion\_strength**: 0.70 (некоторая творческая свобода для освещения/окружения) ### Кинематографичный B-roll 1. **Образ**: фото пейзажа или экстерьера здания 2. **Референс**: кадры с дрона или панорамирование камеры из стокового клипа 3. **Запрос**: `"кинематографичный aerial B-roll, золотой час, плавное движение дрона, качество 4K"` 4. **motion\_strength**: 0.65 (позвольте модели добавить естественное движение) *** ## Устранение неполадок **Нехватка памяти на RTX 3090 с BF16** * Переключитесь на квантизацию FP8 в WanVideoModelLoader * Уменьшите число кадров с 25 до 17 * Отключите тайлинг VAE, если он включён **Движение не совпадает с референсным видео** * Увеличьте `motion_strength` до 0.85–0.95 * Убедитесь, что референсное видео обрезано под целевую длительность * Используйте референсные видео с чётким, однозначным движением (избегайте дрожания камеры) **Сгенерированное видео мерцает или содержит артефакты** * Увеличьте steps до 30 * Уменьшите CFG до 6.0 * Используйте референсное видео с постоянным освещением **Медленная загрузка / тайм-аут HuggingFace** * Используйте `HF_ENDPOINT=https://hf-mirror.com` переменная окружения для более быстрой загрузки из Китая * Или скачайте через `aria2c` с несколькими соединениями *** ## Что дальше: Wan 2.7 Alibaba **Wan 2.7** — следующее поколение семейства видеомоделей Wan, включающее: * **Генерация первого + последнего кадра**: укажите как начальный, так и конечный кадр * **Редактирование видео-в-видео**: изменяйте существующее видео с помощью текстовых инструкций * **Референс объекта**: сохраняйте единый вид конкретных объектов/персонажей между сценами Wan 2.7 в настоящее время доступен через API Together AI. **Ожидается, что открытые веса появятся в середине Q2 2026.** Полное руководство по самостоятельному хостингу будет добавлено в этот репозиторий, когда веса будут выпущены. *** ## Итог Wan 2.2 VBVR приносит управление движением на основе референса в генерацию видео с открытым исходным кодом. Предоставьте начальное изображение и референсный клип движения, и модель сгенерирует согласованное видео, в котором ваш объект естественно следует этому движению. FP8 работает на RTX 3090 с 24 ГБ за $0.07–0.21/ч; BF16 на RTX 4090 за $0.14–0.42/ч — оба варианта на Clore.ai. **→** [**Арендуйте GPU на Clore.ai**](https://clore.ai/marketplace) и начните создавать видео с управляемым движением уже сегодня. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-ru/generaciya-video/wan22-vbvr.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.