Wan2.2文生视频完全指南：本地部署、ComfyUI工作流、显存优化与实测数据

Wan2.2文生视频完全指南：本地部署、ComfyUI工作流、显存优化与实测数据

作者：赛博仓鼠 | 2026年7月

关键词：Wan2.2、通义万相、ComfyUI、文生视频、本地部署、显存优化

前言

2026年开源视频生成领域最大的事情，就是阿里通义万相发布了Wan2.2。上一代Wan2.1虽然质量不错，但显存要求劝退了很多人。Wan2.2最大的改进不是画质——而是让消费级显卡真正能跑起来视频生成。

本文覆盖从模型选型、环境搭建、ComfyUI工作流配置到显存优化的完整流程，附多显卡实测数据。无论你是8G入门卡还是24G旗舰卡，都能找到对应方案。

一、Wan2.2是什么？为什么值得关注

Wan2.2是阿里通义万相开源的视频生成模型系列，Apache 2.0协议，可以免费使用甚至商用。相比Wan2.1，三个核心升级：

1. MoE混合专家架构

14B版本首次在视频扩散模型中引入MoE。两个各14B参数的专家模型分工合作：

• 高噪专家：去噪早期激活，负责视频整体布局和构图
• 低噪专家：去噪后期激活，负责画面细节和质感

总参数27B，但每步只激活14B，推理成本和单14B模型相当。这比直接上27B参数的模型省了一半算力。

2. 电影级美学控制系统

训练阶段融入了光影、构图、色彩三大电影美学元素，编码了60多个可控参数。生成视频自带电影质感，不需要额外后处理。

3. 高压缩比VAE

5B版本采用了全新的Wan2.2-VAE，压缩比达到16x16x4（加补丁层后4x32x32），在保持画质的前提下大幅降低显存占用。这是5B版本能在消费级显卡上跑720P的关键。

二、模型版本选择：三个版本怎么选

Wan2.2开源了三个主要版本，选错版本是最大的浪费。

选型建议：

• 显存8-16G：直接用TI2V-5B，一个模型搞定文生和图生，性价比最高
• 显存24G：可以上14B版本，画质明显更好，但模型文件也更大
• 显存8G以下：GGUF Q4量化版的TI2V-5B，画质损失约10-15%但能跑

模型下载地址：

• ModelScope（国内推荐）：modelscope.cn 搜索 Wan-AI
• HuggingFace：huggingface.co/Wan-AI
• GitHub：github.com/Wan-Video/Wan2.2

模型文件大小参考：

• TI2V-5B FP16：约34GB
• T2V-A14B / I2V-A14B FP16：各约126GB
• GGUF Q4量化版：约6-10GB

三、环境准备

3.1 硬件最低要求

3.2 两种部署方式

方式一：整合包（推荐新手）

秋叶ComfyUI 7月版整合包和TETAE整合包都已支持Wan2.2：

整合包的好处是解压即用，坏处是体积大、更新慢。如果你已经有ComfyUI环境，用方式二。

方式二：手动部署

# 1. 创建Python环境
conda create -n comfyui python=3.10 -y
conda activate comfyui

# 2. 安装PyTorch（根据CUDA版本选择）
# CUDA 12.1+
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# CUDA 11.8
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 3. 克隆ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

# 4. 安装GGUF插件（小显存必备）
cd custom_nodes
git clone https://github.com/city96/ComfyUI-GGUF.git
cd ..
pip install gguf

# 5. 启动
python main.py --listen 0.0.0.0 --port 8188

3.3 模型文件放置

四、ComfyUI工作流配置

4.1 加载预设工作流

ComfyUI已原生支持Wan2.2，更新到最新版后，在Video分类下有三个预设：

• Wan2.2 5B模型工作流
• Wan2.2 14B图生视频工作流
• Wan2.2 14B文生视频工作流

也可以从社区下载JSON工作流文件，直接拖拽到ComfyUI界面加载。

4.2 关键参数详解

模型类型选择（Model Selection）

• T to V：文生视频
• I to V：图生视频
• 标有"Rapid"的版本内置加速机制，低配用户优先选这个

分辨率（Width / Height）

• 新手起步：320x576（省显存）
• 进阶使用：480x640（画质和性能平衡）
• 高画质：768x768 或更高
• 宽高必须是16的倍数

视频长度（Length / Frame Num）

• 默认生成4-5秒视频
• 帧率建议18fps（流畅度与性能平衡），追求流畅可设25fps但显存需求大增
• 5B模型默认121帧（约5秒@24fps）

采样步数（Sample Steps）

• 5B模型：20步足够，约2.5分钟出片（4090）
• 14B模型：30-50步，视显存情况调整
• 步数越多画质越好，但耗时线性增加

提示词（Prompt）

• 支持中文和英文
• 描述具体动作效果更好，如"画面中的女人摘下了面纱丢在了地上"
• 避免抽象描述，模型对具象动作理解更好

4.3 图生视频特殊设置

图生视频工作流有两个额外节点：

• 加载图像节点：上传参考图片
• 图像缩放节点：建议最短边设为480，原图1080p会自动缩放

实测：RTX 4060 Ti 16GB上图生视频，生成耗时约180秒，画面丝滑自然。

五、显存优化方案

这是本文最重要的部分。不同显存级别的优化策略：

5.1 启动参数优化

修改ComfyUI启动脚本（run_nvidia_gpu.bat），在python main.py后添加参数：

8GB显存推荐组合：

python main.py --lowvram --force-fp16 --cpu-vae

12GB显存推荐组合：

python main.py --medvram --force-fp16 --cpu-vae

5.2 GGUF量化

对8-10GB显存用户，GGUF量化是最有效的方案：

安装方法：在custom_nodes中安装ComfyUI-GGUF插件，将.gguf文件放到models/unet/目录。

5.3 Block Swapping（块交换）

ComfyUI-WanVideoWrapper插件内置块交换机制，把模型切成小块，用时加载用完释放，不需要整个模型一次性塞进显存。

1025帧视频在1.3B模型下显存占用不到5GB，靠的就是滑动窗口分批处理。

5.4 分辨率和帧数策略

六、多显卡实测数据

6.1 RTX 4060 Ti 16GB实测

使用TI2V-5B FP16模型，–medvram --force-fp16参数：

温度控制建议：保持65-75℃最稳定，超过80℃可能出现性能波动。预留2GB显存余量，不建议长期满载运行。

6.2 RTX 3090 24GB实测

使用14B FP8量化模型：

14B模型在24GB显存上运行游刃有余，FP8量化后画质损失极小，是追求画质用户的首选方案。

6.3 RTX 4090 24GB实测

使用TI2V-5B FP16原生模型，720P 24fps 5秒视频：

• 20步采样，约2.5分钟出片
• 显存占用约13GB
• 720P分辨率下画质优秀，运动流畅

这是目前消费级显卡上的最佳体验。

七、常见问题排查

Q1：视频全黑

原因：VAE版本用错了。Wan2.2如果用了wan2.2_vae会导致输出全黑。

解决：必须使用wan_2.1_vae（243MB文件）。不要被版本号迷惑，2.2的模型配2.1的VAE才是对的。

Q2：‘nonetype’ object has no attribute ‘params’

原因：CLIP/文本编码器模型路径不对。

解决：检查umt5_xl模型文件是否在text_encoders目录下，文件名与config配置一致。

Q3：CUDA Out of Memory

原因：显存不足。

解决（按顺序尝试）：

1. 降低分辨率到320x576
2. 加–lowvram --force-fp16 --cpu-vae参数
3. 换GGUF Q4量化版模型
4. 减少帧数到81帧（约3秒）
5. 降低采样步数到15步

Q4：生成速度太慢

原因：模型offload到CPU导致瓶颈。

解决：

• 确保系统内存足够（32GB以上）
• 使用SSD而非机械硬盘
• 安装SageAttention2或FlashAttention2加速组件
• 尝试LightX2V开源加速方案（号称3.3倍加速）

Q5：Mac M系列能否运行

可以，但有限制：

• 避开FP8格式，使用FP16或BF16
• 设置环境变量 PYTORCH_ENABLE_MPS_FALLBACK=1
• 推荐64GB以上统一内存
• 5B模型可跑，14B模型需要较大内存

八、与Wan2.1的对比

结论：如果你之前被Wan2.1的画质或显存劝退过，Wan2.2值得重新尝试。5B版本在相同显存下画质提升明显，14B版本则是开源视频生成的新天花板。

九、Wan2.2的扩展能力

除了基础的文生视频和图生视频，Wan2.2系列还有两个扩展模型：

• S2V-14B：语音驱动视频模型，用音频控制视频节奏和动作
• Animate-14B：角色动画与替换，可用于换脸和角色一致性

这两个模型需要更高显存（建议24GB以上），但代表了视频生成的更多可能性。

十、总结与建议

给不同用户的建议：

Wan2.2的历史意义：

这是第一次，8GB显存的消费级显卡能跑出720P的开源视频生成模型。配合ComfyUI的节点化工作流，普通人完全可以在本地实现以前需要云端付费才能做到的事情。

模型在持续更新，社区生态也在快速完善。秋叶和TETAE的整合包已经跟上，ComfyUI原生支持也到位了。如果你对AI视频生成感兴趣，现在就是入场的最佳时机。

作者：赛博仓鼠
专注AI工具本地部署与资源分享
CSDN专栏：AI工具测评