Wan2.2-TI2V-5B-Diffusers

Wan2.2-TI2V-5B-Diffusers

根据文本提示或图像加文字生成视频片段，最高 720P、每秒 24 帧，Diffusers 格式，适合单块消费级 GPU。

由 Wan-AI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Wan2.2-TI2V-5B-Diffusers 是 Wan2.2 系列里 5B 的文本图像转视频模型，打包成了适用于 Diffusers 库的格式。同一个模型既可以只接收文字提示，也可以接收提示加一张起始图片。

它使用 Wan2.2-VAE，对视频做 16 乘 16 乘 4 的压缩。模型卡说，这让它能在一块消费级 GPU，比如 RTX 4090 上，生成每秒 24 帧的 720P 视频。

适合谁：想要一个开源视频生成器的视频创作者、开发者和研究人员，这个生成器能装进一块高端游戏 GPU，而不需要多 GPU 服务器。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频创作者 | 根据提示词或一张静态图片做短片段 | 用文字描述让一张静态图片动起来
软件 | 开发者 | 通过 Diffusers 把视频生成加入 Python 流水线 | 在你自己的脚本里调用模型
研究 | 学术实验室 | 在一块 GPU 上研究一个高效的 720P 视频模型 | 把它和更大的 A14B 模型比较

没有足够强的 GPU 的人可以略过本地运行。

用在哪里：

• 装有 Diffusers 库的 Python，因为这是 Diffusers 版本
• ComfyUI，模型卡列出 5B 模型已经集成
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 一块消费级 GPU，比如 RTX 4090，模型卡认为这就够了

使用场景 | 谁用 | 得到什么
文生视频 | 创作者 | 根据文字描述生成的片段
图生视频 | 创作者 | 从你的图片开始并动起来的片段
流水线集成 | 开发者 | 你自己 Python 代码里的视频生成

如何设置：你需要 Python、较新的 torch 和一块好 GPU。

• Python 和 pip
• torch 2.4.0 或更新版本，如模型卡的安装步骤所注明
• 一块消费级 GPU，比如 RTX 4090
• 放权重的磁盘空间，按 Hugging Face 的统计，F32 约 20 GB

1. 从 GitHub 克隆 Wan2.2 仓库并进入它的文件夹。
2. 用 pip 安装依赖。
3. 安装 huggingface_hub 包。
4. 用 hf 命令下载模型文件。

cd Wan2.2
# Ensure torch >= 2.4.0
pip install -r requirements.txt

pip install -U huggingface_hub
hf download Wan-AI/Wan2.2-TI2V-5B-Diffusers

如何使用：传入文本提示得到视频，或传入图像加提示让它动起来。因为这是 Diffusers 版本，所以应该用 diffusers 库加载。模型卡自己的运行命令和模型下载表在这里被截断了，请到模型页阅读。

示例：你用文字描述一个短场景，或者给一张静态图片，再加几个字说明你想要的动作。模型返回一段视频，模型卡说它可以达到每秒 24 帧的 720P。

新手与专家：可以把它看作根据一句话或一张图片出片的视频打印机。第一次尝试可以用一句简短的文本提示，因为这不需要输入图片。

从底层看，Wan2.2 系列在较大的模型里把混合专家设计加进了视频扩散，而这个 5B 模型靠 Wan2.2-VAE 获得压缩比。代价是模型更小、能在一块 GPU 上运行，换来的是少了 A14B 模型的容量。

写一句提示词或加一张图片
Wan2.2-VAE 处理压缩后的视频
5B 扩散模型生成画面帧
你得到一段 720P 片段

注意事项：模型卡把 Wan2.2 的训练数据和 Wan2.1 做了对比，这是制作方自己的报告。

Title: 相比 Wan2.1 增加的训练数据
图像: 65.6 %
视频: 83.2 %

• 规模：5B 参数，Safetensors 格式，F32 约 20 GB，4-bit 约 2.5 GB（估算）
• 语言：列出的是英语和中文
• 变体：Hugging Face 列出别人做的 1 个量化版本和 34 个微调版本
• License: Apache 2.0
• Cost to run: 没有提到 API 密钥或付费服务，但你需要一块强的 GPU
• Data it reaches: 你交给它的提示词和图片，以及你从 Hugging Face 下载的文件
• Not for: 模型卡除许可证外没有列出其他限制

Hugging Face 上的数据（2026年11月13日）

• 任务：text to video
• 框架：diffusers
• 参数量：5B
• Weights: about 20 GB in F32; about 2.5 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：179,371
• 点赞：174
• 许可证：apache-2.0
• 语言：en, zh
• Quantized versions: 1
• Fine-tunes: 35
• 标签：diffusers, safetensors, text-to-video

链接

• 模型：https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B-Diffusers
• 文件：https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B-Diffusers/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Wan-AI/Wan2.2-TI2V-5B-Diffusers

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。