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

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:

• 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

# 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：

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：

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

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

# 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

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 ，今天就开始生成受运动控制的视频。