Ctrlk
Clore.ai
For the complete documentation index, see llms.txt. This page is also available as Markdown.

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

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:

  • 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

Шаг 3: Установите пользовательские узлы VBVR через ComfyUI Manager

Запустите ComfyUI:

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:

Шаг 4: Скачайте контрольные точки модели

Совет: Используйте huggingface-cli download --include "*.safetensors" чтобы пропустить несущественные файлы и сэкономить место на диске.

Шаг 5: Скачайте VAE и текстовый энкодер

Построение рабочего процесса VBVR в ComfyUI

Обзор рабочего процесса

Рабочий процесс VBVR соединяет эти группы узлов:

Загрузка рабочего процесса

  1. Скачайте готовый JSON рабочего процесса VBVR из репозитория ComfyUI-WanVideoWrapper:

  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

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 и начните создавать видео с управляемым движением уже сегодня.

ПредыдущаяWan2.1 Video
СледующаяOpenSora

Последнее обновление

Это было полезно?