Wan2.2 开源视频模型 ComfyUI 部署教程：5B 与 14B 选型对比、参数调优与故障排查

Wan2.2 开源视频模型 ComfyUI 部署教程：5B 与 14B 选型对比、参数调优与故障排查

【免费下载链接】Wan2.2-T2V-A14B 项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-T2V-A14B

Wan2.2 是阿里通义团队开源的新一代视频生成模型，本仓库提供的是其中的 T2V-A14B 完整版：输入一段文本提示词，即可生成 5 秒、480P 或 720P 的视频。如果你要在本地部署 Wan2.2，可以先记住这个硬件结论：5B 轻量版适合 8GB～12GB 显存的入门显卡，24GB 以上显存（如 RTX 4090）或 A100/H100 级别的专业硬件才适合运行 A14B 完整版；硬件条件有限时，云端实例是最稳妥的兜底选项。

Wan2.2 与上一代最大的差异在于架构：A14B 采用混合专家（MoE）方式，把去噪过程按时间步拆给两个专用子模型——高噪声专家负责画面早期的全局构图，低噪声专家接手细节渲染。总参数量做大的同时，单次推理的计算开销基本保持不变，这也是官方评测中它能在多项维度追平甚至超过部分商业闭源模型的原因。

版本选型：8G 显存跑 5B，专业卡跑 A14B

Wan2.2 系列提供两条路线，选型时只需要回答两个问题：你的显存有多大、你对生成质量的要求有多高。

对比项	5B 轻量版（TI2V-5B）	14B 完整版（T2V-A14B，即本仓库）
架构	单模型，文本+图像双模态生成	MoE 双专家：高噪声专家管构图，低噪声专家管细节
文件形态	单文件 safetensors，有 fp16 / fp8 等量化版本	两个专家目录各 6 个分片，共 12 个 safetensors 分片
显存门槛	约 8GB 显存即可运行，12GB 更从容	单卡 40GB～60GB 显存；多卡部署可压到 26GB 级别
分辨率	720P@24fps	480P / 720P，各 5 秒
适用人群	个人创作、快速迭代提示词	对画质与运动稳定性有更高要求的用户

选型逻辑很直接：显存在 24GB 以下，直接选 5B，用它跑通整个流程、打磨好提示词，之后想升级画质再换 A14B；显存充足且以最终成片质量为目标，则直接上 A14B。如果本地没有可用 GPU，无需安装任何环境，选择已预装 Wan2.2 的云端实例即可，这也是显存不足时的兜底方案。

ComfyUI 部署：模型文件放置与首次加载验证

ComfyUI 对 Wan2.2 是原生集成，无需写代码，整个部署就是"下文件—放目录—跑工作流"三件事。

第一步：下载对应版本的模型文件

• 5B 轻量版：一个扩散模型文件（fp16 或 fp8 量化版）、文本编码器 umt5-xxl（fp8 版本体积更小）、Wan2.2 配套 VAE，共 3 个文件。
• A14B 完整版：本仓库的 high_noise_model/ 与 low_noise_model/ 两个目录，各含 config.json、6 个分片及索引文件，缺一不可。

第二步：把文件放到 ComfyUI 的对应目录

5B 轻量版的目录放置方式如下：

ComfyUI/models/
├── diffusion_models/
│   └── wan2.2_ti2v_5B_fp16.safetensors
├── text_encoders/
│   └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
└── vae/
    └── wan2.2_vae.safetensors

A14B 完整版则把两个专家目录分别放进 ComfyUI 的 diffusion_models 相关位置（或整体挂载后按路径加载），保持 high_noise_model/ 与 low_noise_model/ 的内部结构不变：

high_noise_model/
├── config.json
├── diffusion_pytorch_model-00001-of-00006.safetensors
└── ...（00002 ~ 00006 分片 + index.json）

low_noise_model/
├── config.json
├── diffusion_pytorch_model-00001-of-00006.safetensors
└── ...（00002 ~ 00006 分片 + index.json）

放置时有两个容易出错的地方：文本编码器可以沿用 Wan2.1 的 umt5-xxl 文件，不必重复下载；VAE 必须使用 Wan2.2 配套版本，跨版本混用是色彩失真的最常见来源。

第三步：首次加载验证

启动 ComfyUI，加载任一 Wan2.2 工作流，在模型下拉框中选择刚放入的文件。首次推理时观察两点：日志中 12 个分片（A14B）是否全部加载成功、显存峰值是否接近显卡上限。验证阶段先跑一个 480P 测试片段，画面无花屏、无大块伪影后，再切换到目标分辨率正式生成。

采样参数与 VAE 调优：先给起始值，再按方向微调

A14B 的去噪过程会在某个时间步从"高噪声专家"切换到"低噪声专家"，前者决定构图走向，后者收敛细节，工作流中一般无需手动干预切换点。真正需要你调节的是下面四个参数，每项都给出建议起始值和调整方向：

参数	起始值	调整方向
采样步数	12 步	快速验证用 8～12 步；追求精细用 16～20 步；极限细节可到 25～30 步，步数越高生成越慢
分辨率	480P	测试阶段用 480P；日常出片用 720P；1080P 属于专业输出，需要更强的硬件支撑
CFG Scale	5.0	画面出现闪烁时往下调，下限约 3.5；画面呆板、偏离提示词时往上调，上限约 7.5
VAE	Wan2.2 配套 VAE，不要改动	详见下文

VAE 方面，Wan2.2 换用了一套高压缩编码：特征维度从 16 提升到 48，信息压缩率从 48 提升到 64，重建质量（PSNR）从 32.222 提升到 33.223。对使用者而言这意味着 5B 模型能在更小的显存里完成 720P@24fps 的生成；唯一要记住的操作是：VAE 文件版本必须与主模型版本配套。

不同硬件下的耗时与显存占用可以参考官方效率表，用它来预判你的显卡能否承载目标分辨率：

提示词写法：用四层结构喂饱模型

Wan2.2 对结构完整的长提示词响应明显更好。下面是一组推荐模板，按"画面基调 → 主体与动作 → 镜头语言 → 环境细节"四层组织：

电影级质感，雨后清晨的古镇石板街道，一位撑透明伞的旅人缓步前行，镜头低角度跟拍后缓慢上摇，青瓦屋檐滴水，水汽在晨光中散开。

与之对应的反例是："一个女孩在跳舞"。两者的差距不在文笔，而在信息量：短提示词没有给模型指定镜头运动和场景要素，构图与动态只能靠模型自行补全，结果每次都不一样；而四层结构把画面中每个可变因素都锚定了，生成结果的可控性和稳定性会明显提高。改提示词时建议一次只改一层，便于定位是哪一层导致了画面变化。

故障排查：现象、原因与解决办法速查

现象	可能原因	解决办法
模型加载失败，日志报缺分片	6 个分片文件没有下载完整	核对 index.json 中列出的全部文件名，重新下载缺失分片
画面色彩发灰或偏色	混用了 Wan2.1 与 Wan2.2 的 VAE	换回 Wan2.2 配套 VAE 文件再出片
视频中景闪烁、抖动	CFG 偏高，或步数过少	CFG 回落到 3.5～7.5 区间；步数加到 20 左右
生成中断，提示显存不足	单卡显存低于该分辨率需求	改用 fp8 量化版本，或先降到 480P 验证流程
推理速度远低于预期	未启用加速扩展	按 ComfyUI 官方指引启用 xformers 等推理加速项

Wan2.2 把接近商业模型的视频生成能力以 Apache-2.0 协议开源出来，A14B 的双专家设计与 ComfyUI 原生集成，意味着从 8GB 显存的入门卡到数据中心级硬件，都存在一条可落地的部署路径。把上面的目录结构放对、起始参数调稳，你就可以直接进入提示词创作本身了。

【免费下载链接】Wan2.2-T2V-A14B 项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-T2V-A14B