Mindket
简体中文
English简体中文
登录注册
商店MCP技能计算器学习价格博客
发现
研究311写作59商务95法律13财务33营销174开发1,416效率387教育81陪伴14
帮助与支持
语言
English简体中文
AI 视频：Sora、Veo、视频提示词与开源模型第 4 节，共 4 节

开源 AI 视频模型：在自己的电脑上运行 Wan、LTX、HunyuanVideo 和 CogVideoX

Mindket 编辑部 · 发布于 · 阅读约 6 分钟

黑色横幅，标题是“AI 视频”，下面是“Sora、Veo、视频提示词与开源模型”。

开源视频模型，是权重可以下载、能在你自己的显卡上运行的 AI 视频模型。主要的有 Wan2.2、LTX-2.5、HunyuanVideo-1.5 和 CogVideoX。各项目写明的最低显存从 4 GB 到 80 GB 不等，许可证也各不相同，下载之前两样都要查。ComfyUI 为其中几款提供了免代码的运行方式。

本节内容

  • 显存决定你先选哪个模型：CogVideoX-2B 写明的最少，Wan2.2 的 A14B 模型最多。
  • Wan2.2 和 CogVideoX-2B 用 Apache 2.0。LTX-2.5、HunyuanVideo-1.5 和 CogVideoX-5B 各有自己的条款。
  • Wan2.2 的 TI2V-5B 能生成 720P 视频，它的 README 说，一张消费级显卡就能运行。
  • ComfyUI 列出了 Wan、HunyuanVideo、CogVideoX 和 LTX 的视频工作流，所以可以不碰命令行。
  • 提示词照上一课来写：一个镜头，写成平白的步骤。
全部课程
本页目录
  1. 五个开源视频模型，以及各自能生成什么
  2. 各个模型需要多少显存
  3. 用视频做工作之前，先看许可证
  4. 照着 README 运行 Wan2.2，一步一步来
  5. 或者用 ComfyUI，不碰命令行
  6. 在自己电脑上的模型，提示词怎么写
  7. 常见错误
  8. 动手试试
  9. 下一门课：AI 语音与音乐
  10. 自测一下
  11. 常见问题
  12. 资料来源

五个开源视频模型，以及各自能生成什么

开源视频模型，是权重可以下载的模型，所以它在你自己的显卡上运行，不用排队。下载有时仍要账号：LTX-2.5 的 README 说，遇到 401 或 403 错误，就要先在 Hugging Face 上接受模型条款，再用 Read 令牌登录。文件到了你的硬盘之后，运行时不经过模型作者的服务器，像 Sora 那样的关停，不会让它们失效，不过每份许可证仍然有自己的条款。下表列出五个模型系列，大小和输出都是各项目自己的 README 写明的。

还有一个名字上的坑：LTX-2.5 取代了 LTX-Video。LTX-Video 的 README 说，2026 年 8 月 11 日发布的 LTX-2.5 取代了 LTX-Video 和 LTX-2，旧仓库也不再积极开发。新项目要从 LTX-2.5 开始。

取自各项目的 README，阅读于 2026 年 11 月 6 日。LTX-2.5 的日期和它取代了谁，取自 LTX-Video 的 README。
模型README 列出的大小一次运行生成什么
Wan2.2T2V-A14B 和 I2V-A14B（480P 和 720P），TI2V-5B（720P）TI2V-5B：文生视频或图生视频，720P、24 fps。这个版本还有 S2V-14B（语音生成视频）和 Animate-14B
Wan2.1T2V-1.3B（480P），T2V-14BT2V-1.3B：在 RTX 4090 上，不做量化，约 4 分钟生成 5 秒的 480P 视频
LTX-2.522B 的 transformer，完整版和蒸馏版画面和声音一起生成。快速上手的命令要 121 帧
HunyuanVideo-1.58.3B 参数。480p 和 720p 模型，再用超分辨率到 1080p文生视频和图生视频，默认 121 帧
CogVideoXCogVideoX-2B、CogVideoX-5B、CogVideoX1.5-5B2B 和 5B：6 秒，每秒 8 帧，720 x 480。1.5-5B：5 秒或 10 秒，每秒 16 帧

各个模型需要多少显存

显存（VRAM）是显卡上的内存，它决定你能运行哪个模型。本地 LLM 硬件课讲了显存和卸载（offloading），这两个概念在视频模型上同样适用。

看图时请当作模型大小的对比，不要当作速度测试，因为每个项目都按自己的设置来测。腾讯的 14 GB 是开启模型卸载时的数字。CogVideo 的 README 给出的数字，是打开 diffusers 全部节省措施时的，它还说，关掉这些措施，峰值显存约为三倍。Wan2.2 的 80 GB 是 A14B 在单卡上开启卸载运行一次的数字，它的 5B 模型需要 24 GB。

LTX-2.5 的 README 没有写显存数字。显存紧张时，它建议用 --quantization fp8-cast --offload {cpu, disk}。ComfyUI 的 README 说，它的权重流式加载，让最大的开源模型也能在只有 4 GB 显存和 8 GB 内存的机器上运行。

各项目写明的最小显存每个项目按自己的设置来测，所以请对比大小，不要对比速度。LTX-2.5 没有写数字。
  • Wan2.2 A14B80 GB
  • Wan2.2 TI2V-5B24 GB
  • HunyuanVideo-1.514 GB
  • CogVideoX1.5-5B10 GB
  • Wan2.1 T2V-1.3B8.19 GB
  • CogVideoX-5B5 GB
  • CogVideoX-2B4 GB

来源：GitHub：Wan-Video/Wan2.2 的 README (2026年11月6日 查阅)；GitHub：Tencent-Hunyuan/HunyuanVideo-1.5 的 README (2026年11月6日 查阅)；GitHub：zai-org/CogVideo 的 README (2026年11月6日 查阅)；GitHub：Wan-Video/Wan2.1 的 README (2026年11月6日 查阅)

用视频做工作之前，先看许可证

能免费下载的模型，不一定能免费用于所有用途。下表用一行话说明每份许可证。每个项目都链接了全文，视频要给客户或用于生意时，值得读一遍。

Mindket 对各份 README 和许可证文件开头条款的一行摘要，阅读于 2026 年 11 月 6 日。这不是法律意见。
模型许可证它的要求
Wan2.2 和 Wan2.1Apache 2.0README 声明对你生成的内容不主张任何权利，并说明你要对自己如何使用模型负责
LTX-2.5模型用 LTX-2.x Community License，代码用 Apache 2.0年收入超过许可证所定门槛的公司，除了非商业用途，任何使用都要购买付费许可
HunyuanVideo-1.5Tencent Hunyuan Community License不适用于欧盟、英国和韩国。月活跃用户超过 1 亿的公司，必须向腾讯申请许可
CogVideoX-2BApache 2.0README 把 2B 模型连同它的 transformers 模块和 VAE 都放在 Apache 2.0 之下
CogVideoX-5BCogVideoX License学术研究可以自由使用。商业使用需要登记并取得基础商业许可，每月 100 万次访问以内免费

照着 README 运行 Wan2.2，一步一步来

Wan2.2 的 README 很适合做第一次运行，因为每一步都是可以直接复制的命令。它的 TI2V-5B 模型能做文生视频和图生视频，分辨率 720P，README 说下面这条命令在 RTX 4090 这样的单张显卡上能跑。命令和提示词都是 README 自己写的。

python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage"
  1. 先看你的显卡。README 说 TI2V-5B 的命令至少要 24 GB 显存，A14B 的命令至少要 80 GB。
  2. 用 git clone https://github.com/Wan-Video/Wan2.2.git 克隆项目，再运行 cd Wan2.2。
  3. 确认 torch 是 2.4.0 或更新的版本，再运行 pip install -r requirements.txt。如果 flash_attn 装不上，README 说先装其他的包，最后再装 flash_attn。
  4. 用 pip install "huggingface_hub[cli]" 装下载工具，再用 huggingface-cli download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5B 下载模型。README 里这条命令给的是 T2V-A14B 模型，TI2V-5B 的仓库名取自它的模型表。
  5. 运行下面这条命令。--offload_model True、--convert_model_dtype 和 --t5_cpu 这三个选项会降低显存占用。
  6. 显卡大到够 A14B 模型用时，把这三个选项去掉，运行更快，README 就是这么说的。

README 没有说文件存在哪里。它写道，不做专门优化时，TI2V-5B 在单张消费级显卡上生成 5 秒的 720P 视频，用时不到 9 分钟。它的效率表是一张图，列出每种 GPU 的总耗时和峰值显存，请对照你的显卡去看。

或者用 ComfyUI，不碰命令行

ComfyUI 就是 ComfyUI 一课里的应用：在画布上把方框连起来，不用敲命令。它的 README 列出了 Wan 2.1 和 2.2、HunyuanVideo 1.5、CogVideoX 以及 LTX-Video 2 和 2.3 的视频工作流，还提供适用于 Windows、Linux 和 macOS 的桌面应用。Wan2.2 的 README 把它支持 ComfyUI 的日期写成 2025 年 7 月 28 日，ComfyUI 官方账号就在这一天发了帖子。

Lightricks 让 LTX 的用户去看它的 ComfyUI-LTXVideo 仓库。

Wan2.2 is now natively supported in ComfyUI on Day 0

ComfyUI (@ComfyUI), ComfyUI 官方账号 · X (2026年11月6日 查阅)
  1. 照 ComfyUI 一课装好 Comfy Desktop，先生成一张图。首次启动时选 Local。
  2. 打开 README 链出的视频工作流库，找一个你选的模型现成可跑的工作流，在 ComfyUI 里加载它。ComfyUI 一课说，模板知道自己需要哪些模型文件。
  3. 如果 ComfyUI 提示缺少模型文件，就让它下载所要的文件，做法同 ComfyUI 一课里的模板。
  4. 输入提示词，点 Run，第一段视频先做短一点。
ComfyUI（@ComfyUI）在 X 上的帖子，2025 年 7 月 28 日：Wan2.2 is now natively supported in ComfyUI on Day 0，这是一款采用 MoE（Mixture of Experts）架构、带双噪声专家的新一代视频模型，使用 Apache 2.0 许可证。Cinematic-level Aesthetic Control，Large-scale Complex Motion，Precise Semantic Compliance。
ComfyUI 在 X 上，2025 年 7 月 28 日

这是 X 自己的嵌入卡片在 2026 年 11 月 5 日显示的样子，时间为 UTC。X 用“Show more”把它截短了。点图片可以在 X 上打开这条帖子。

在自己电脑上的模型，提示词怎么写

提示词照提示词一课来写：一个镜头，一个动作，加上机位和光线。有四个项目在这之上又加了自己的建议，或者一个改写步骤。

取自各项目的 README，阅读于 2026 年 11 月 6 日。
模型项目额外提供的东西出处
Wan2.2用 --use_prompt_extend 做提示词扩写：由一个 Qwen 模型改写提示词，可以走阿里云的 Dashscope API（需要密钥），也可以用本地的 Qwen 模型Wan2.2 README
HunyuanVideo-1.5改写默认是开启的（--rewrite），需要一个 vLLM 服务。没有配置端点时，流程不改写就直接运行HunyuanVideo-1.5 README
LTX-2.5写成一段连贯的文字，不超过 200 个英文单词。它的流程可以用 enhance_prompt 参数增强提示词LTX-2 README
CogVideoX只支持英文，最多 226 个 token（1.5-5B 是 224 个）。README 说模型是用长提示词训练的，并指向一个用大模型改进你的提示词的脚本CogVideo README

常见错误

  • 把显存图当成速度排行。各项目的测量设置不同，CogVideo 还说它的数字是在打开全部节省措施时得出的。
  • 在小显卡上关掉节省显存的措施。CogVideo 的 README 说，那时峰值显存约为表中数字的三倍。
  • 照着 LTX-Video v0.9.x 的教程开始。LTX-2.5 已经取代了那个模型，所以要找为 LTX-2.5 写的说明。
  • 跳过许可证。HunyuanVideo-1.5 的许可证不适用于欧盟、英国和韩国，CogVideoX-5B 商用要先登记。
  • 用别的语言写 CogVideoX 的提示词。它的 README 说模型只支持英文。

动手试试

  • 查一下你的显卡有多少显存，再从图里选一个放得下的最大模型。
  • 打开这个模型的许可证，用一句话写下你可以拿视频做什么。
  • 运行 README 里那条戴拳击手套的猫的提示词，然后只改主体。
  • 拿上一课你写的一个镜头，在两个模型里各跑一次，或者在 ComfyUI 的两个模板里各跑一次。
  • 记下你用了哪些节省显存的选项，下次运行就从它们开始。

检查：视频能播放，和你写的镜头对得上，你还能用一句话说出它的许可证。

下一门课：AI 语音与音乐

LTX-2.5 和 Veo 这样的模型会随画面生成声音，但大多数视频还是要在下面配上人声或歌曲。AI 语音与音乐讲语音合成、声音克隆、歌曲和配音，从语音合成讲起。

自测一下

  1. README 说，Wan2.2 的哪个模型在至少 24 GB 显存的 GPU 上能运行，比如 RTX 4090？

    查看答案

    B. TI2V-5B README 说需要至少 24 GB 的是 TI2V-5B 的命令。A14B 的命令至少要 80 GB。

  2. 哪一份许可证说它不适用于欧盟、英国和韩国？

    查看答案

    A. HunyuanVideo-1.5 Tencent Hunyuan Community License 开头就这样写。Wan2.2 和 CogVideoX-2B 用的是 Apache 2.0。

  3. LTX-Video 的 README 怎么说 LTX-2.5？

    查看答案

    C. 它取代了 LTX-Video 和 LTX-2 README 说，2026 年 8 月 11 日发布的 LTX-2.5 取代了这两个，旧仓库也不再积极开发。

  4. 你给 CogVideoX 关掉了 diffusers 的节省显存措施。它的 README 说会怎样？

    查看答案

    D. 峰值显存约为表中数字的三倍，速度会提高 README 说，峰值显存会变成表中数字的约三倍，同时速度提高约三到四倍。

常见问题

最好的开源 AI 视频模型有哪些？

这一课讲的是 Wan2.2、LTX-2.5、HunyuanVideo-1.5 和 CogVideoX，它们的权重都能下载，README 也写了怎么运行。哪个对你最好，取决于你的显存和你能接受的许可证。

AI 视频需要什么显卡？

这取决于模型。找到它的项目写明的最小数字，对照你显卡的显存，接近上限时，就打开项目提供的节省显存选项。

开源视频模型能微调吗？

有些项目带了训练工具。LTX-2 仓库有 ltx-trainer 包，支持 LoRA、全量微调和 IC-LoRA，CogVideo 有一个做 LoRA 的 finetune 文件夹。LTX 的许可证把微调后的权重算作衍生品，所以要先读许可证。

有 Sora 的开源替代品吗？

有好几个你自己运行的开源模型，比如 Wan2.2 和 LTX-2.5。它们和 Sora 是不同的模型，各有各的限制，依赖某一个之前，先对比它们生成的视频。

开源视频模型会生成声音吗？

LTX-2.5 会：LTX-Video 的 README 写到画面和声音同步生成。Wan2.2 另有一个语音生成视频的模型 S2V-14B，它把一个音频文件作为输入。

什么是蒸馏视频模型？

它是需要更少步数的版本，所以运行更快。LTX-2.5 的蒸馏版 transformer 是它快速上手用的，只需少得多的步数，HunyuanVideo-1.5 的步数蒸馏模型则用 8 或 12 步做出 480p 的图生视频。

资料来源

  1. GitHub: Wan-Video/Wan2.2, README (2026年11月6日 查阅)https://github.com/Wan-Video/Wan2.2
  2. GitHub: Wan-Video/Wan2.1, README (2026年11月6日 查阅)https://github.com/Wan-Video/Wan2.1
  3. GitHub: Lightricks/LTX-2, README (2026年11月6日 查阅)https://github.com/Lightricks/LTX-2
  4. GitHub: Lightricks/LTX-Video, README (2026年11月6日 查阅)https://github.com/Lightricks/LTX-Video
  5. GitHub: Lightricks/LTX-2, LTX-2.x Community License (2026年11月6日 查阅)https://github.com/Lightricks/LTX-2/blob/main/LICENSE-2_x
  6. GitHub: Tencent-Hunyuan/HunyuanVideo-1.5, README (2026年11月6日 查阅)https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5
  7. GitHub: Tencent-Hunyuan/HunyuanVideo-1.5, Tencent Hunyuan Community License (2026年11月6日 查阅)https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5/blob/main/LICENSE
  8. GitHub: zai-org/CogVideo, README (2026年11月6日 查阅)https://github.com/zai-org/CogVideo
  9. Hugging Face: THUDM/CogVideoX-5b, CogVideoX License (2026年11月6日 查阅)https://huggingface.co/THUDM/CogVideoX-5b/blob/main/LICENSE
  10. GitHub: comfyanonymous/ComfyUI, README (2026年11月6日 查阅)https://github.com/comfyanonymous/ComfyUI
  11. X: ComfyUI, July 28, 2025 (2026年11月6日 查阅)https://x.com/ComfyUI/status/1949802127066628370

分享本节课

先装好 ComfyUI

ComfyUI 一课会安装应用并生成第一张图，视频模板的起点就是这几步。

读 ComfyUI 一课

本节课的 Markdown 版本 · AI 视频：Sora、Veo、视频提示词与开源模型 · 全部课程