Chuyển đến nội dung

Wan-Video / Wan2.2

Wan2.2

Bộ mô hình tạo video từ chữ, ảnh, giọng nói; bản 5B vừa với card 24 GB

Wan2.2 là họ mô hình tạo video mã nguồn mở của Wan-Video (Alibaba), gồm các bản chữ thành video, ảnh thành video, giọng nói thành video và hoạt hoạ nhân vật. Bản nhỏ TI2V-5B tạo video 720P ở 24 khung hình mỗi giây và, theo README, chạy được trên card 24 GB VRAM như RTX 4090. Bản 14B cần cấu hình rất mạnh.

  • 18.676 sao
  • 2.485 fork
  • Python
  • Cập nhật 1 tháng trước
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Mô hình AI, Thư viện lập trình
Chạy trên
Python, Linux, Windows
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng Wan2.2

Có hai hướng dùng. Hướng dễ cho người không viết mã là chạy Wan2.2 trong ComfyUI: README cho biết các mô hình đã được tích hợp, và ComfyUI có trang hướng dẫn riêng cho Wan2.2. Bạn kéo workflow mẫu, tải mô hình về đúng thư mục và bấm chạy để có video. Ngoài ra README liên kết một Hugging Face Space dùng mô hình TI2V-5B để thử.

Hướng thứ hai là dùng trực tiếp mã nguồn: clone kho, cài các gói trong requirements.txt, tải mô hình bằng huggingface-cli hoặc modelscope, rồi chạy script generate.py với tham số loại tác vụ, kích thước, thư mục mô hình và lời mô tả. Với bản 5B có thể bật các tuỳ chọn offload để giảm VRAM. Kết quả là file video lưu vào máy.

Các bản lớn 14B (chữ thành video, ảnh thành video, giọng nói thành video) cần ít nhất 80 GB VRAM với lệnh mẫu trong README, trừ khi bạn dùng thêm các mẹo giảm bộ nhớ. Vì vậy với người dùng cá nhân, bản TI2V-5B là điểm bắt đầu thực tế nhất.

Tính năng nổi bật

Chữ thành video và ảnh thành video

Có bản T2V-A14B, I2V-A14B và bản lai TI2V-5B làm được cả hai việc, hỗ trợ 480P hoặc 720P.

Bản nhỏ cho card 24 GB

TI2V-5B tạo video 720P ở 24 khung hình mỗi giây; README nói chạy được với ít nhất 24 GB VRAM, kèm tuỳ chọn offload.

Giọng nói thành video

Mô hình S2V-14B tạo video theo âm thanh bạn cung cấp, có thể kết hợp CosyVoice để tự tổng hợp giọng.

Hoạt hoạ và thay thế nhân vật

Mô hình Animate-14B tái tạo chuyển động và biểu cảm cho nhân vật.

Tích hợp ComfyUI và Diffusers

README xác nhận tích hợp ComfyUI và Diffusers, giúp dùng mà không cần tự viết mã suy luận.

Giấy phép mở Apache 2.0

Mô hình dùng giấy phép Apache 2.0; bạn chịu trách nhiệm về nội dung mình tạo ra theo điều khoản của dự án.

Tận dụng Wan2.2 vào việc gì?

Người làm TikTok, YouTube

Làm cảnh dựng cho video ngắn

Tạo các đoạn B-roll hoặc cảnh minh hoạ ngắn từ mô tả chữ rồi ghép vào video của bạn.

Chủ shop, người làm quảng cáo

Biến ảnh sản phẩm thành clip chuyển động

Từ một ảnh tĩnh, tạo đoạn clip chuyển động nhẹ để dùng làm quảng cáo mạng xã hội.

Người làm phim, nhà sáng tạo

Thử nghiệm ý tưởng phim, storyboard

Phác thảo nhanh cảnh quay bằng mô tả để xem hướng đi trước khi quay thật.

Lập trình viên, sinh viên AI

Nghiên cứu và so sánh mô hình video

Chạy trực tiếp bằng mã để so sánh chất lượng với các mô hình video mở khác.

Cần chuẩn bị gì?

  • Python và torch 2.4 trở lên theo README; flash_attn nếu cài được, nếu không thì cài các gói khác trước.
  • TI2V-5B: ít nhất 24 GB VRAM (ví dụ RTX 4090) khi dùng offload_model, convert_model_dtype và t5_cpu theo README.
  • Các bản 14B (T2V, I2V, S2V): lệnh mẫu cần ít nhất 80 GB VRAM; có tuỳ chọn giảm bộ nhớ nhưng vẫn rất nặng.
  • Ổ cứng lớn cho trọng số mô hình tải từ Hugging Face hoặc ModelScope.

Hướng dẫn cài đặt chi tiết

Cài trên Mã nguồn (Python)

  1. Tải mã nguồn về máy có Python và card đồ hoạ phù hợp.

    Terminal
    git clone https://github.com/Wan-Video/Wan2.2.git
    cd Wan2.2
  2. Cài các gói phụ thuộc; nếu flash_attn cài lỗi, hãy cài các gói khác trước rồi cài flash_attn sau cùng.

    Terminal
    pip install -r requirements.txt
  3. Tải mô hình TI2V-5B từ Hugging Face (dung lượng lớn nên cần chỗ trống).

    Terminal
    pip install "huggingface_hub[cli]"
    huggingface-cli download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5B

Cài trên ComfyUI

  1. Cài ComfyUI theo hướng dẫn của dự án đó, rồi mở trang hướng dẫn Wan2.2 trong tài liệu ComfyUI (docs.comfy.org) để lấy workflow mẫu và danh sách file mô hình cần tải.

    Văn bản
    https://docs.comfy.org/tutorials/video/wan/wan2_2
  2. Đặt các file mô hình vào đúng thư mục như tài liệu chỉ, nạp workflow mẫu, nhập lời mô tả và bấm chạy.

Dùng thử lần đầu

  1. Bắt đầu với bản TI2V-5B vì nhẹ nhất. Chuẩn bị lời mô tả cảnh bằng tiếng Anh, nêu rõ chủ thể, hành động và ánh sáng.

  2. Chạy lệnh tạo video từ chữ với các tuỳ chọn tiết kiệm bộ nhớ, như trong README.

    Terminal
    python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --prompt "A cat sitting on a surfboard at the beach"
  3. Mở file video kết quả và xem. Nếu hết bộ nhớ, giảm kích thước hoặc thử thêm tuỳ chọn tiết kiệm.

  4. Sau khi quen, thử chế độ ảnh thành video bằng cách thêm tham số ảnh đầu vào theo mẫu trong README.

Mẹo dùng hay

  • Nếu lỗi hết bộ nhớ, README gợi ý các tuỳ chọn offload_model, convert_model_dtype và t5_cpu để giảm VRAM.
  • Máy có 80 GB VRAM có thể bỏ các tuỳ chọn tiết kiệm bộ nhớ để chạy nhanh hơn với bản 5B.
  • Nếu không muốn đụng mã, dùng ComfyUI hoặc các công cụ tích hợp vì tiện hơn nhiều.

Lưu ý và hạn chế

  • Yêu cầu phần cứng nặng: bản 14B cần cỡ 80 GB VRAM cho lệnh mẫu, bản 5B cần 24 GB. Máy thông thường khó chạy được.
  • Mô hình tạo video, giọng nói và hoạt hoạ nhân vật có thể bị dùng để làm nội dung giả mạo; không dùng ảnh, giọng, hình ảnh người khác khi chưa có đồng ý và gắn nhãn rõ nội dung do AI tạo.
  • Giấy phép Apache 2.0 không thay thế trách nhiệm pháp lý của bạn với nội dung tạo ra; README nêu bạn phải chịu trách nhiệm việc sử dụng không vi phạm pháp luật.

Câu hỏi thường gặp

Có miễn phí không?

Có. Mô hình và mã nguồn dùng giấy phép Apache 2.0, bạn chỉ trả chi phí phần cứng và điện.

Laptop thường có chạy được không?

Khó. README đưa mốc 24 GB VRAM cho bản 5B và 80 GB cho bản 14B ở lệnh mẫu. Bạn nên thử Hugging Face Space của bản 5B hoặc các dịch vụ trực tuyến thay vì tự cài.

Khác gì Wan2.1?

Wan2.2 là bản nâng cấp lớn theo README: thêm kiến trúc MoE, dữ liệu thẩm mỹ cầu kỳ hơn, nhiều dữ liệu hơn và bản 5B nén mạnh. Hãy xem trang Wan2.1 trong kho nếu cần bản đời trước.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/Wan-Video/Wan2.2.git

Repo tương tự nên xem

Tạo ảnh & video bằng AI17,4K

Wan2.1

Wan-Video / Wan2.1

Bộ mô hình AI mã nguồn mở của Alibaba biến câu mô tả hoặc một tấm ảnh thành video ngắn

KhóPythonLinuxWindows
Tạo ảnh & video bằng AI11,4K

LTX-Video (bản gốc v0.9.x)

Lightricks / LTX-Video

Mô hình AI tạo video từ chữ hoặc ảnh của Lightricks; kho này là bản cũ, bản mới là LTX-2.5

KhóWindowsmacOSLinuxPython
Tạo ảnh & video bằng AI12,8K

HunyuanVideo

Tencent-Hunyuan / HunyuanVideo

Mô hình tạo video lớn mã nguồn mở của Tencent, chuyển câu mô tả thành video chất lượng cao

KhóLinuxPythonDocker

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Tạo ảnh & video bằng AI

Tạo ảnh & video bằng AI165K

Stable Diffusion web UI (AUTOMATIC1111)

AUTOMATIC1111 / stable-diffusion-webui

Giao diện web kinh điển để tạo ảnh bằng Stable Diffusion ngay trên máy tính của bạn

VừaWindowsLinuxmacOSPython
Tạo ảnh & video bằng AI147K

ComfyUI

Comfy-Org / ComfyUI

Tạo ảnh, video, âm thanh bằng AI ngay trên máy bằng cách nối các khối (node) thành quy trình

VừaWindowsmacOSLinuxPython
Tạo ảnh & video bằng AI144K

MoneyPrinterTurbo

harry0703 / MoneyPrinterTurbo

Nhập chủ đề, tự có video ngắn: kịch bản, giọng đọc, cảnh quay, phụ đề và nhạc

VừaWindowsmacOSLinuxDocker+1
Tạo ảnh & video bằng AI53,9K

Fooocus

lllyasviel / Fooocus

Tạo ảnh AI kiểu Midjourney ngay trên máy bạn, chỉ cần gõ mô tả, ít phải chỉnh thông số

DễWindowsLinuxmacOSPython
Tạo ảnh & video bằng AI52,7K

Upscayl

upscayl / upscayl

Phóng to ảnh mờ, ảnh nhỏ lên nét hơn bằng AI, cài như phần mềm thường, bấm vài nút

DễWindowsmacOSLinux
Tạo ảnh & video bằng AI37,7K

GFPGAN

TencentARC / GFPGAN

AI khôi phục khuôn mặt trong ảnh cũ, ảnh mờ, ảnh do AI tạo ra cho rõ nét hơn

KhóPythonLinuxWindows

Xem cả 26 repo Tạo ảnh & video bằng AI Về Kho Repo