
خانوادهٔ ویدیوساز متنباز علیبابا با مجوز Apache-2.0: مدل 5B برای کارتهای خانگی (720p) و مدلهای A14B برای کیفیت بالاتر؛ ساخت ویدیو از متن یا عکس، بدون اینترنت.
اجرا روی سیستم خودتان
این مدل را یک بار دانلود میکنید و بعد بدون اینترنت روی لپتاپ، کامپیوتر یا سرور خودتان اجرایش میکنید.
- بعد از نصب، بدون اینترنت
- وزنهای باز
- Apache-2.0 — استفادهٔ تجاری آزاد
- فارسی: نامعلوم
بعد از دانلود فایلها، ComfyUI و مدل کاملاً بدون اینترنت کار میکنند. اگر قالب را از داخل ComfyUI باز کنید، برنامه میخواهد فایلها را خودکار از Hugging Face بگیرد؛ روی سیستم آفلاین فایلها را دستی در پوشهها بگذارید. بهروزرسانی ComfyUI هم اینترنت میخواهد. Wan2GP هم مدلها را در اولین استفاده دانلود میکند و بعد از آن آفلاین کار میکند.
استفادهٔ تجاری آزاد است و سازنده هیچ حقی روی ویدیوهای ساختهشده ادعا نمیکند؛ مسئولیت محتوای ساختهشده با کاربر است.
نسخهها و سختافزار لازم
- Wan2.2-TI2V-5B۵B
- حافظهٔ لازم:
- کارت گرافیک ۸ گیگ یا رم ۱۴ گیگ
ساخت ویدیو از متن و عکس در یک مدل، 720p با ۲۴ فریم در ثانیه. طبق مستندات ComfyUI در کارت ۸ گیگابایتی جا میشود؛ اسکریپت رسمی با کارت ۲۴ گیگابایتی (RTX 4090) کار میکند و به گفتهٔ سازنده ۵ ثانیه 720p را زیر ۹ دقیقه میسازد. فایل fp16 حدود ۱۰ گیگابایت؛ رمزگذار متن umT5 (fp8 حدود ۶٫۷) و VAE (۱٫۴) جدا.
- Wan2.2-T2V/I2V-A14B (MoE)۲۷B (فعال ۱۴B)
- حافظهٔ لازم:
- کارت گرافیک ۱۸ گیگ یا رم ۳۷ گیگ
دو متخصص ۱۴ میلیاردی (نویز زیاد و نویز کم) که هر بار یکی فعال است؛ 480p و 720p. حجمها مجموع دو فایلاند (هر فایل fp8 حدود ۱۴٫۳ گیگابایت). ۱۸ گیگابایت برای fp8 تخمینی است (اندازهٔ فایل × ۱٫۲). مدل ساخت ویدیو از عکس در مخزن Wan-AI/Wan2.2-I2V-A14B است.
- Wan2.2-Animate-2-14B۱۴B
- حافظهٔ لازم:
- کارت گرافیک ۲۰ گیگ یا رم ۲۲ گیگ
نسل دوم متحرکسازی شخصیت (Wan-Animate-2)، نسخههای Base و Distillation، ۷ اوت ۲۰۲۶، Apache-2.0. هر فایل bf16 حدود ۳۲٫۸ گیگابایت است؛ بستهٔ Comfy-Org/Wan-Animate-2 نسخهٔ int8_convrot حدود ۱۶٫۶۵ گیگابایت و رمزگذار متن umT5 به fp8 حدود ۶٫۷۴ گیگابایت دارد، همه safetensors. ComfyUI از ۸ اوت ۲۰۲۶ آن را بومی پشتیبانی میکند (قالبهای video_wan_animate2 و video_wan_animate2_distilled)؛ Diffusers 0.40.0 و Wan2GP 12.45 به بعد هم. تنظیمات پیشفرض اسکریپت رسمی برای ۸ کارت A800 است، پس روی کارت خانگی از ComfyUI یا Wan2GP استفاده کنید. حداقل رسمی حافظهٔ گرافیک اعلام نشده و عدد حافظه برآورد است.
نصب و اجرا
- ۱
ComfyUI را نصب کنید (ویندوز)ویندوز
run_nvidia_gpu.batفایل ComfyUI_windows_portable_nvidia.7z را از صفحهٔ Releases گیتهاب ComfyUI بگیرید، از حالت فشرده خارج کنید و run_nvidia_gpu.bat را اجرا کنید. برای بهروزرسانی، update_comfyui.bat در پوشهٔ update هست. نسخهٔ Desktop هم از comfy.org/download در دسترس است.
- ۲
ComfyUI را نصب کنید (لینوکس)لینوکس
git clone https://github.com/Comfy-Org/ComfyUI.git cd ComfyUI pip install -r requirements.txtپیش از آن PyTorch مناسب کارت گرافیک را طبق README نصب کنید. روی مک، برنامهٔ Desktop از comfy.org/download سادهترین راه است.
- ۳
فایلهای مدل 5B را دانلود کنیدلینوکس
cd ComfyUI/models wget -P diffusion_models https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors wget -P text_encoders https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors wget -P vae https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan2.2_vae.safetensorsدر ویندوز همین لینکها را با مرورگر بگیرید. برای A14B دو فایل wan2.2_t2v_high_noise_14B_fp8_scaled و wan2.2_t2v_low_noise_14B_fp8_scaled بهعلاوهٔ wan_2.1_vae.safetensors از همین مخزن لازم است.
- ۴
قالب Wan 2.2 را باز کنید
python main.pyComfyUI را اجرا کنید (در نسخهٔ قابلحمل ویندوز همان run_nvidia_gpu.bat). در http://127.0.0.1:8188 از بخش Templates قالب «Wan 2.2 5B Video Generation» یا «Wan 2.2 14B T2V/I2V» را انتخاب کنید. پرامپت را انگلیسی بنویسید.
- ۵
مسیر کمحافظه: Wan2GPویندوز
git clone https://github.com/deepbeepmeep/Wan2GP.git cd Wan2GP scripts\install.batنصبکنندهٔ یککلیکی Wan2GP ابزارهای لازم را خودش نصب میکند؛ بعد با scripts\run.bat اجرا کنید. در لینوکس از scripts/install.sh و scripts/run.sh استفاده کنید. Wan2GP برنامهٔ جامعه است، نه محصول علیبابا.
دانلود
- ComfyUI (GitHub Releases) ↗رسمی
نسخهٔ قابلحمل ویندوز و کد برنامه.
- Comfy-Org/Wan_2.2_ComfyUI_Repackaged (Hugging Face) ↗رسمی
همهٔ فایلهای Wan 2.2 به فرمت safetensors برای ComfyUI، بهعلاوهٔ LoRAهای چهارگامی.
- Wan-AI/Wan2.2-TI2V-5B (Hugging Face) ↗رسمی
مخزن اصلی سازنده برای اسکریپت رسمی؛ بخشی از فایلها .pth هستند.
- ModelScope ↗رسمی
آینهٔ رسمی علیبابا.
- Wan-Video/Wan2.2 (GitHub) ↗رسمی
کد رسمی و راهنمای اجرا.
- Wan2GP (GitHub) ↗غیررسمی
برنامهٔ جامعه برای کارتهای کمحافظه با نصبکنندهٔ یککلیکی؛ مجوز خودش WanGP Community License است.
- Comfy-Org/Wan-Animate-2 (Hugging Face) ↗رسمی
فایلهای safetensors مدل Wan-Animate-2 برای ComfyUI: bf16 حدود ۳۲٫۸ و int8_convrot حدود ۱۶٫۷ گیگابایت.
نکات امنیتی
- فقط فایلهای .safetensors را از مخزنهای رسمی بگیرید؛ فایلهای .ckpt، .pt یا .pth از منبع ناشناس ممکن است هنگام بارگذاری کد مخرب اجرا کنند.
- مخزن رسمی Wan بخشی از فایلها (VAE و رمزگذار متن) را با فرمت .pth داده که pickle است؛ نسخهٔ safetensors بستهٔ Comfy-Org را ترجیح دهید.
- ComfyUI را با گزینهٔ --listen روی اینترنت باز نکنید؛ پورت ۸۱۸۸ را فقط در شبکهٔ داخلی و پشت رمز عبور استفاده کنید.
برای شرکتها و سازمانها
برای تیم تولید محتوا، یک سرور با کارت ۲۴ گیگابایتی یا بیشتر کافی است تا چند نفر نوبتی از صف ComfyUI ویدیو بسازند؛ هر ویدیو دقیقهها طول میکشد، پس روی صف و زمانبندی حساب کنید.
برنامههایی که این مدل را اجرا میکنند
آخرین بررسی: ۱۲ مهر ۱۴۰۵ · انتشار: ۲۴ تیر ۱۴۰۴
معرفی: وان ۲.۲ (آفلاین)
Wan 2.2 خانوادهٔ مدلهای ویدیوساز متنباز علیباباست که ژوئیهٔ ۲۰۲۵ با مجوز Apache-2.0 منتشر شد. دو مسیر اصلی دارد: مدلهای A14B برای ساخت ویدیو از متن یا عکس با کیفیت بالا، و مدل سبک TI2V-5B که هر دو کار را در 720p با ۲۴ فریم در ثانیه انجام میدهد.
A14B معماری «ترکیب متخصصها» (MoE) دارد: دو مدل ۱۴ میلیاردی که یکی طرح کلی و دیگری جزئیات را میسازد؛ پس از ۲۷ میلیارد پارامتر در هر گام فقط ۱۴ میلیارد فعال است. مدلهای جانبی Wan2.2-S2V (ویدیوی آدمِ درحالحرفزدن از روی عکس و صدا) و Wan2.2-Animate (متحرک کردن شخصیت) هم منتشر شدهاند. نسل دوم مدل متحرکسازی، Wan-Animate-2 (Wan2.2-Animate-2-14B)، ۷ اوت ۲۰۲۶ در دو نسخهٔ Base و Distillation با همان مجوز Apache-2.0 آمد و ComfyUI از ۸ اوت آن را بومی پشتیبانی میکند. Wan-Dancer-14B هم ۱۳ ژوئیهٔ ۲۰۲۶ برای ساخت ویدیوی رقص در حد چند دقیقه از روی موسیقی منتشر شد (Apache-2.0). نسخههای Wan 2.5 تا Wan 3.0 فقط از راه API عرضه شدهاند و وزن باز ندارند.
سختافزار: مدل 5B طبق مستندات ComfyUI با جابهجایی خودکار حافظه در کارت ۸ گیگابایتی جا میشود و به گفتهٔ سازنده ویدیوی ۵ ثانیهای 720p را روی یک کارت خانگی زیر ۹ دقیقه میسازد. هر کدام از دو فایل A14B با دقت fp8 حدود ۱۴ گیگابایت است و حدود ۱۸ گیگابایت حافظهٔ گرافیک میخواهد (تخمینی)؛ اسکریپت رسمی بدون ComfyUI برای A14B کارت ۸۰ گیگابایتی لازم دارد.
شروع: در ComfyUI قالب «Wan 2.2 5B Video Generation» را باز کنید. برای کارتهای کمحافظه برنامهٔ Wan2GP با نصبکنندهٔ یککلیکی ویندوز و لینوکس ساخته شده است. InvokeAI و Forge Neo هم Wan 2.2 را پشتیبانی میکنند.
محدودیت: ساخت ویدیو حتی روی کارت قوی دقیقهها طول میکشد، کلیپها کوتاهاند (حدود ۵ ثانیه)، ویدیو بیصداست و برای پرامپت فارسی ادعایی نشده؛ پرامپت را انگلیسی بنویسید.
بهترین کاربردها
- •بدون اینترنت از روی عکس محصول ویدیوی تبلیغاتی بسازم
- •با کارت گرافیک ۸ گیگابایتی از متن ویدیو بسازم
- •برای ریلز اینستاگرام کلیپ کوتاه آفلاین بسازم
- •ویدیوساز رایگان با مجوز تجاری روی کامپیوتر خودم نصب کنم
- •عکس را بدون ارسال به سرور خارجی به ویدیوی متحرک تبدیل کنم
- •جایگزین آفلاین Kling یا Runway داشته باشم
- •روی سرور شرکت ویدیوساز داخلی راه بیندازم
برای این کارها سراغش نروید
- –ویدیو با صدا یا دیالوگ
- –ویدیوی طولانی چنددقیقهای
- –کامپیوتر بدون کارت گرافیک
- –تدوین و برش ویدیوی موجود
تصاویر محیط ابزار
نقاط قوت
- ✓مجوز Apache-2.0؛ ویدیوها را آزادانه در کار تجاری استفاده کنید
- ✓مدل 5B روی کارت ۸ گیگابایتی در ComfyUI اجرا میشود
- ✓ساخت ویدیو هم از متن و هم از عکس، تا 720p
- ✓اکوسیستم بزرگ: LoRAهای سرعت چهارگامی، ComfyUI، Wan2GP، InvokeAI و Forge Neo
- ✓مدلهای جانبی برای ویدیو از روی صدا (S2V)، متحرک کردن شخصیت (Animate و نسل دوم آن Animate-2، اوت ۲۰۲۶) و رقص از روی موسیقی (Wan-Dancer)
نقاط ضعف
- ✗کند و سنگین: مدل 5B برای ۵ ثانیه 720p روی کارت خانگی تا ۹ دقیقه وقت میبرد و A14B حدود ۱۸ گیگابایت حافظهٔ گرافیک (تخمینی) و نزدیک ۴۰ گیگابایت دانلود میخواهد
- ✗کلیپها کوتاهاند (حدود ۵ ثانیه)
- ✗ویدیوها بیصدا ساخته میشوند
- ✗پرامپت فارسی و متن فارسی داخل ویدیو تأیید نشده است
- ✗مخزن رسمی بخشی از فایلها را با فرمت .pth (pickle) داده؛ بستهٔ safetensors تیم ComfyUI امنتر است
پرسشهای پرتکرار
با کارت ۸ گیگابایتی ویدیو میسازد؟
بله. مدل TI2V-5B طبق مستندات ComfyUI با جابهجایی خودکار حافظه در ۸ گیگابایت جا میشود؛ فقط صبور باشید. Wan2GP هم برای کارتهای کمحافظه ساخته شده و ادعا میکند بعضی مدلها را با ۶ گیگابایت اجرا میکند.
ساخت یک ویدیو چقدر طول میکشد؟
به گفتهٔ سازنده، مدل 5B ویدیوی ۵ ثانیهای 720p را روی یک کارت خانگی زیر ۹ دقیقه میسازد. برای مدلهای A14B، LoRAهای چهارگامی Lightx2v زمان را خیلی کم میکنند.
ویدیو صدا هم دارد؟
نه، مدلهای اصلی ویدیوی بیصدا میسازند. Wan2.2-S2V برعکس کار میکند: از روی یک عکس و یک فایل صوتی، ویدیوی آدمِ درحالحرفزدن میسازد.
پرامپت را فارسی بنویسم؟
برای فارسی ادعایی نشده و نمونههای رسمی انگلیسی و چینیاند. پرامپت را انگلیسی بنویسید.
استفادهٔ تجاری آزاد است؟
بله. مجوز Apache-2.0 است و سازنده گفته هیچ حقی روی ویدیوهای ساختهشده ادعا نمیکند؛ فقط محتوای غیرقانونی یا آسیبزا نسازید.
نظرات کاربران
هنوز نظری ثبت نشده — اولین نفر باشید!
ابزارهای مشابه
مشاهده همه
کلینگ
Kling AI
ابزار ویدئوی هوش مصنوعی کوایشو با Kling 3.0 و 3.0 Omni: متن یا عکس را به کلیپ تا ۱۵ ثانیهای با صدای همزمان تبدیل میکند؛ Omni کاراکتر را از روی ویدئوی مرجع با همان چهره و صدا در صحنههای تازه نگه میدارد.

هایلو
Hailuo AI
سرویس ویدئوساز MiniMax با مدل جدید MiniMax H3 (معروف به Hailuo 3): کلیپ ۵ تا ۱۵ ثانیه با صدای استریو و وضوح تا 2K، ساخت از متن و عکس و ویدئو و ویرایش دقیق ویدئو با دستور متنی.

پیکا
Pika
پیکا (Pika Art) ابزار خوشقیمت و سرگرمکننده تولید ویدیو با مدل Pika 2.5؛ افکتهای وایرال Pikaffects و ابزارهای دستکاری ویدیوی واقعی مثل Pikadditions و Pikaswaps.

