# 开源 AI 视频模型：在自己的电脑上运行 Wan、LTX、HunyuanVideo 和 CogVideoX > 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。 Mindket 编辑部 · 发布于 2026-11-06 · 更新于 2026-11-06 · https://mindket.com/cn/learn/ai-video/open-video-models ## 要点 - 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。 ## 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](https://github.com/Lightricks/LTX-Video) 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。 | 模型 | README 列出的大小 | 一次运行生成什么 | | --- | --- | --- | | Wan2.2 | T2V-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 | | Wan2.1 | T2V-1.3B（480P），T2V-14B | T2V-1.3B：在 RTX 4090 上，不做量化，约 4 分钟生成 5 秒的 480P 视频 | | LTX-2.5 | 22B 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-1.5 | 8.3B 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 | | CogVideoX | CogVideoX-2B、CogVideoX-5B、CogVideoX1.5-5B | 2B 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](https://mindket.com/cn/learn/local-ai/local-llm-hardware)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](https://github.com/zai-org/CogVideo) 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](https://github.com/comfyanonymous/ComfyUI) 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 A14B: 80 GB - Wan2.2 TI2V-5B: 24 GB - HunyuanVideo-1.5: 14 GB - CogVideoX1.5-5B: 10 GB - Wan2.1 T2V-1.3B: 8.19 GB - CogVideoX-5B: 5 GB - CogVideoX-2B: 4 GB 来源：[GitHub：Wan-Video/Wan2.2 的 README](https://github.com/Wan-Video/Wan2.2) (2026-11-06 查阅)；[GitHub：Tencent-Hunyuan/HunyuanVideo-1.5 的 README](https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5) (2026-11-06 查阅)；[GitHub：zai-org/CogVideo 的 README](https://github.com/zai-org/CogVideo) (2026-11-06 查阅)；[GitHub：Wan-Video/Wan2.1 的 README](https://github.com/Wan-Video/Wan2.1) (2026-11-06 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。 > **先读许可证** > > 许可证决定一段视频能不能用进客户的工作，所以要在下载之前读，不要等第一个满意的结果出来之后。 | 模型 | 许可证 | 它的要求 | | --- | --- | --- | | Wan2.2 和 Wan2.1 | Apache 2.0 | README 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-1.5 | Tencent 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-2B | Apache 2.0 | README 把 2B 模型连同它的 transformers 模块和 VAE 都放在 Apache 2.0 之下 | | CogVideoX-5B | CogVideoX 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。 ````bash 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](https://mindket.com/cn/learn/ai-images-video/comfyui-tutorial)里的应用：在画布上把方框连起来，不用敲命令。它的 [README](https://github.com/comfyanonymous/ComfyUI) 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](https://github.com/Lightricks/ComfyUI-LTXVideo/) 仓库。 > Wan2.2 is now natively supported in ComfyUI on Day 0 > > ComfyUI (@ComfyUI), ComfyUI 官方账号, [X](https://x.com/ComfyUI/status/1949802127066628370) (2026-11-06 查阅) 1. 照 [ComfyUI 一课](https://mindket.com/cn/learn/ai-images-video/comfyui-tutorial)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](https://comfy.org/workflows/tag/video-generation/)，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。](https://mindket.com/blog/shots/x-comfyui-wan-2-2-day-0.webp?v=4461b7e02379)](https://x.com/ComfyUI/status/1949802127066628370) 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](https://mindket.com/cn/learn/ai-video/ai-video-prompts)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。 | 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](https://mindket.com/cn/learn/ai-voice-music/text-to-speech)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？ A. T2V-A14B B. TI2V-5B C. I2V-A14B 答案：B。 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？ A. HunyuanVideo-1.5 B. Wan2.2 C. CogVideoX-2B 答案：A。 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？ A. 它是仍在更新的旧版本 B. 它只能通过 API 使用 C. 它取代了 LTX-Video 和 LTX-2 答案：C。 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？ A. 显存占用不变 B. 视频会变短 C. 模型不再接受英文提示词 D. 峰值显存约为表中数字的三倍，速度会提高 答案：D。 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 - [GitHub：Wan-Video/Wan2.2 的 README](https://github.com/Wan-Video/Wan2.2) (2026-11-06 查阅) - [GitHub：Wan-Video/Wan2.1 的 README](https://github.com/Wan-Video/Wan2.1) (2026-11-06 查阅) - [GitHub：Lightricks/LTX-2 的 README](https://github.com/Lightricks/LTX-2) (2026-11-06 查阅) - [GitHub：Lightricks/LTX-Video 的 README](https://github.com/Lightricks/LTX-Video) (2026-11-06 查阅) - [GitHub：Lightricks/LTX-2 的 LTX-2.x Community License](https://github.com/Lightricks/LTX-2/blob/main/LICENSE-2_x) (2026-11-06 查阅) - [GitHub：Tencent-Hunyuan/HunyuanVideo-1.5 的 README](https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5) (2026-11-06 查阅) - [GitHub：Tencent-Hunyuan/HunyuanVideo-1.5 的 Tencent Hunyuan Community License](https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5/blob/main/LICENSE) (2026-11-06 查阅) - [GitHub：zai-org/CogVideo 的 README](https://github.com/zai-org/CogVideo) (2026-11-06 查阅) - [Hugging Face：THUDM/CogVideoX-5b 的 CogVideoX License](https://huggingface.co/THUDM/CogVideoX-5b/blob/main/LICENSE) (2026-11-06 查阅) - [GitHub：comfyanonymous/ComfyUI 的 README](https://github.com/comfyanonymous/ComfyUI) (2026-11-06 查阅) - [X：ComfyUI 的帖子，2025 年 7 月 28 日](https://x.com/ComfyUI/status/1949802127066628370) (2026-11-06 查阅) [读 ComfyUI 一课](https://mindket.com/cn/learn/ai-images-video/comfyui-tutorial)