> 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-zh/shi-pin-sheng-cheng/wan22-vbvr.md).

# Wan 2.2 VBVR（运动控制）

**Wan 2.2 VBVR** （基于视频的视频参考）是阿里巴巴于 2026 年 4 月推出的 Wan 2.2 图生视频基础模型扩展。它增加了一项强大的新能力：你可以提供一个 **参考视频片段** 来控制生成视频中的运动模式，而不仅仅是提供一张起始图像。最终得到的是一致且可控的动画——同一个角色、产品或场景会沿着参考素材中的运动路径进行运动。

本指南介绍如何通过 Clore.ai 的 GPU 租赁，使用 ComfyUI 部署 Wan 2.2 VBVR。

***

## 什么是 VBVR（基于视频的视频参考）？

传统的图生视频模型接受一张静态图像，并从零开始生成运动。运动由你的文本提示词引导，但结果可能难以预测——尤其是在特定手势、镜头移动或角色动作方面。

**VBVR 改变了规则：** 你提供：

1. 一个 **起始图像** ——你的主体（角色、产品、场景）
2. 一个 **参考运动视频** ——一个展示你想要动作的短片段
3. 一个 **文本提示词** ——描述内容和风格

模型会从参考视频中提取运动模式，并将其应用到你的起始图像上，生成一段新视频，让主体自然地完成该动作。

### 示例应用

| 输入图像 | 参考视频动作  | 输出            |
| ---- | ------- | ------------- |
| 产品照片 | 手拿起类似物品 | 产品拿取动画        |
| 角色插画 | 演员行走动作  | 角色行走          |
| 时装模特 | T 台走秀镜头 | 运动中的服装        |
| 建筑外观 | 无人机镜头平移 | 电影感 B-roll 展示 |

***

## 模型概览

* **全名：** Wan 2.2 I2V-A14B with VBVR（基于视频的视频参考）
* **发布时间：** 2026 年 4 月，由阿里巴巴 / Wan-AI 团队发布
* **基于：** Wan 2.2 I2V-A14B（图生视频，14B 参数，最高 480p 分辨率）
* **HuggingFace：** `Wan-AI/Wan2.2-I2V-A14B`
* **VBVR 工作流：** 通过 ComfyUI Manager 社区节点分发
* **许可证：** Apache 2.0

### 变体

| 变体       | 所需显存     | 质量 | 速度 |
| -------- | -------- | -- | -- |
| **FP8**  | 16–24 GB | 高  | 快  |
| **BF16** | 24–40 GB | 最高 | 中等 |

该 **FP8 变体** 可在 RTX 3090（24 GB）上运行，并且通过降低批量大小也能勉强放入 16 GB 显卡。 **BF16 变体** 可提供最佳画质，并能在 RTX 4090（24 GB）或 A6000（48 GB）上轻松运行。

***

## 硬件要求

| GPU        | 显存    | 变体             | Clore.ai 上的价格                     |
| ---------- | ----- | -------------- | --------------------------------- |
| RTX 3090   | 24 GB | FP8 ✅          | $0.07–0.21/小时                     |
| RTX 4090   | 24 GB | FP8 ✅ / BF16 ✅ | $0.14–0.42/小时                     |
| A6000 48GB | 48 GB | BF16 ✅         | $0.35–0.38/小时                     |
| A100 80GB  | 80 GB | BF16 ✅         | [裸机](https://clore.ai/bare-metal) |

对于大多数用户来说， **RTX 4090，价格为每小时 $0.14–0.42** 是在价格和质量之间最平衡的选择，可在完整 480p 分辨率下运行 BF16。

***

## 在 Clore.ai 上的分步设置

### 步骤 1：租用 GPU

访问 [clore.ai/marketplace](https://clore.ai/marketplace):

* **预算**：RTX 3090（$0.07–0.21/小时）——仅 FP8
* **推荐**：RTX 4090（$0.14–0.42/小时）——BF16 画质
* **高级**：A6000（$0.35–0.38/小时）——批处理，高吞吐量

使用 **ComfyUI Docker 镜像** 或基础 CUDA 镜像（我们将手动安装 ComfyUI）。

### 第 2 步：安装 ComfyUI

```bash
# 克隆 ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git /workspace/ComfyUI
cd /workspace/ComfyUI

# 安装 Python 依赖
pip install -r requirements.txt

# 安装 ComfyUI Manager（便于安装节点）
cd custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
cd ..
```

### 第 3 步：通过 ComfyUI Manager 安装 VBVR 自定义节点

启动 ComfyUI：

```bash
cd /workspace/ComfyUI
python main.py --listen 0.0.0.0 --port 8188
```

打开 `http://YOUR_CLORE_IP:8188` 在浏览器中。然后：

1. 点击 **Manager** 按钮（顶部菜单）
2. 搜索 **"Wan 2.2 VBVR"** 或 **"WanVideo"**
3. 安装 **ComfyUI-WanVideo** 节点包
4. 安装后重启 ComfyUI

或者，直接安装这些节点：

```bash
cd /workspace/ComfyUI/custom_nodes
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
pip install -r ComfyUI-WanVideoWrapper/requirements.txt
```

### 第 4 步：下载模型检查点

```bash
mkdir -p /workspace/ComfyUI/models/wan

# 下载 Wan 2.2 I2V 基础模型（约 28GB）
huggingface-cli download \
  Wan-AI/Wan2.2-I2V-A14B \
  --local-dir /workspace/ComfyUI/models/wan/Wan2.2-I2V-A14B

# 下载 VBVR 专用的运动编码器权重（约 2GB）
# 注意：VBVR 权重作为 ComfyUI-WanVideoWrapper 社区发布版本分发。
# 当前下载路径请查看 https://github.com/kijai/ComfyUI-WanVideoWrapper。
huggingface-cli download \
  kijai/WanVideo-motion-encoder \
  --local-dir /workspace/ComfyUI/models/wan/vbvr-motion-encoder
```

> **提示：** 使用 `huggingface-cli download --include "*.safetensors"` 以跳过非必需文件并节省磁盘空间。

### 第 5 步：下载 VAE 和文本编码器

```bash
# CLIP 文本编码器（与基础 Wan 2.2 共享）
huggingface-cli download \
  Wan-AI/Wan2.2-I2V-A14B \
  --include "xlabs_clip*" \
  --local-dir /workspace/ComfyUI/models/clip

# T5 XXL 文本编码器
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
```

***

## 在 ComfyUI 中构建 VBVR 工作流

### 工作流概览

VBVR 工作流连接以下节点组：

```
[加载图像] ──────────────────────────────────┐
                                               ↓
[加载参考视频] → [VBVR 运动编码器] → [Wan I2V 采样器] → [VAE 解码] → [保存视频]
                                               ↑
[CLIP 文本编码] ────────────────────────────┘
```

### 加载工作流

1. 从 ComfyUI-WanVideoWrapper 仓库下载预构建的 VBVR 工作流 JSON：

   ```
   custom_nodes/ComfyUI-WanVideoWrapper/workflows/wan22_vbvr.json
   ```
2. 在 ComfyUI 中： **加载** → 选择 `wan22_vbvr.json`

### 配置关键节点

**WanVideoModelLoader**

* `model_path`：指向 `Wan2.2-I2V-A14B`
* `precision`: `fp8_e4m3fn` 用于 RTX 3090， `bf16` 用于 RTX 4090+

**VBVRMotionEncoderLoader**

* `encoder_path`：指向 `vbvr-motion-encoder`

**WanVideoSampler**

* `steps`：25–30（质量），15–20（速度）
* `cfg`：6.0–7.5（越高 = 越贴合提示词）
* `motion_strength`：0.6–0.9（对参考运动的跟随程度）
* `frames`：25（约 12fps 下 2 秒）或 49（4 秒）
* `resolution`：832×480（默认 480p）

**LoadVideo（参考）**

* 加载你的参考运动片段（MP4、GIF 或图像序列）
* 建议：2–5 秒，时长与目标输出大致相同

***

## 运行你的第一次生成

### 准备输入

1. **起始图像**：832×480 像素或接近该尺寸。PNG 或 JPG。这就是你的主体。
2. **参考运动视频**：最好为 2–5 秒，展示你想要的动作。分辨率不必匹配——模型提取的是运动向量，而不是像素内容。
3. **文本提示词**：描述你的主体以及它在做什么（例如， `“一个产品瓶在白色表面上平滑旋转，电影感灯光，4K，专业摄影”`)

### 首次运行的推荐设置

```yaml
steps：25
cfg：7.0
motion_strength：0.75
frames：25
seed：42（固定以便复现）
```

### 生成时间估算

| GPU       | 变体   | 帧数   | 时间           |
| --------- | ---- | ---- | ------------ |
| RTX 3090  | FP8  | 25 帧 | \~3–5 分钟     |
| RTX 4090  | BF16 | 25 帧 | \~2–4 分钟     |
| RTX 4090  | FP8  | 25 帧 | \~1.5–2.5 分钟 |
| A100 80GB | BF16 | 49 帧 | \~3–5 分钟     |

***

## 实用工作流

### 角色动画

1. **镜像**：角色插画或照片
2. **参考**：演员执行所需动作的镜头（走路、挥手、奔跑）
3. **提示词**: `“一个卡通角色穿过森林，动画流畅，风格统一”`
4. **motion\_strength**：0.85（对参考运动的高保真度）

### 产品演示

1. **镜像**：白色背景上的干净产品图
2. **参考**：手开箱或旋转类似产品
3. **提示词**: `“高级产品展示，360 度旋转，柔和棚拍灯光，商用级质量”`
4. **motion\_strength**：0.70（在灯光/环境方面保留一定创作空间）

### 电影感 B-roll

1. **镜像**：风景照片或建筑外景
2. **参考**：无人机镜头或素材片段中的镜头平移
3. **提示词**: `“航拍电影感 B-roll，黄金时刻，平滑无人机运动，4K 画质”`
4. **motion\_strength**：0.65（让模型加入自然化运动）

***

## 故障排查

**在 RTX 3090 上使用 BF16 时内存不足**

* 在 WanVideoModelLoader 中切换到 FP8 量化
* 将帧数从 25 减少到 17
* 如果启用了 VAE 分块，请将其禁用

**运动与参考视频不匹配**

* 增大 `motion_strength` 调整到 0.85–0.95
* 确保参考视频已裁剪到与你的目标时长一致
* 使用运动清晰、无歧义的参考视频（避免镜头抖动）

**生成的视频闪烁或有伪影**

* 将 steps 提高到 30
* 将 CFG 降至 6.0
* 使用光照一致的参考视频

**下载缓慢 / HuggingFace 超时**

* 使用 `HF_ENDPOINT=https://hf-mirror.com` 用于从中国更快下载的环境变量
* 或者通过 `aria2c` 使用多连接下载

***

## 下一步：Wan 2.7

阿里巴巴的 **Wan 2.7** 是 Wan 视频模型家族的下一代，具有以下特性：

* **首帧 + 末帧生成**：同时指定开头和结尾帧
* **视频到视频编辑**：使用文本指令修改现有视频
* **主体引用**：在不同场景中保持特定对象/角色外观一致

Wan 2.7 目前可通过 Together AI 的 API 使用。 **开源权重预计将于 2026 年第二季度中旬发布。** 当权重发布后，本仓库将添加完整的自托管指南。

***

## 总结

Wan 2.2 VBVR 将参考驱动的运动控制带入开源视频生成。提供一张起始图像和一段参考运动片段，模型即可生成一段一致的视频，让你的主体自然地跟随该运动。FP8 可在 24 GB 的 RTX 3090 上以每小时 $0.07–0.21 的价格运行；BF16 可在 RTX 4090 上以每小时 $0.14–0.42 的价格运行——两者均可在 Clore.ai 上使用。

**→** [**在 Clore.ai 上租用 GPU**](https://clore.ai/marketplace) ，今天就开始生成受运动控制的视频。


---

# 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-zh/shi-pin-sheng-cheng/wan22-vbvr.md?ask=<question>&goal=<endgoal>
```

`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.