TI2V-5B 在 RTX 4090 上跑 720P：命令详解和调优技巧

为什么 TI2V-5B 特别重要

Wan2.2 家族里，只有 TI2V-5B 能在消费级显卡上运行。A14B 系列需要 80GB 显存，S2V-14B 也需要 80GB——只有 TI2V-5B 在 24GB 的 RTX 4090 / 3090 上就能稳定跑通 720P。

如果你没有 A100/H100，TI2V-5B 就是你的唯一选择。好消息是：虽然它只有 50 亿参数（不是 MoE 的 270 亿），但凭借 Wan2.2-VAE 的高压缩比，它的文生和图生效果仍然接近 A14B 系列。

单卡文生视频

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 fight on a spotlighted stage."

关键差异：

• 分辨率是 1280*704 或 704*1280，不是 1280*720——因为 TI2V-5B 的 VAE 压缩比是 4×32×32，高宽必须是 32 的倍数，720 不是，所以用 704 最接近
• 强制 --offload_model True：单卡显存不够整个模型常驻 GPU
• 强制 --convert_model_dtype：bfloat16 比 float32 省一半显存
• 强制 --t5_cpu：把 T5 文本编码器放 CPU，这是单卡能跑起来的关键

单卡图生视频

和文生视频命令几乎一样，只多加一个 --image：

python generate.py \
  --task ti2v-5B \
  --size 1280*704 \
  --ckpt_dir ./Wan2.2-TI2V-5B \
  --offload_model True \
  --convert_model_dtype \
  --t5_cpu \
  --image examples/i2v_input.JPG \
  --prompt "A white cat wearing sunglasses sits on a surfboard, the waves gently rock it."

实际性能参考

根据官方测试和社区反馈：

进一步降低显存

如果你的显卡只有 16GB（如 RTX 4060 Ti），试试：

1. 把分辨率降到 480P（854*480 或更小）
2. 缩短视频时长——默认就是 5 秒，可以通过内部参数调短
3. 如果还是 OOM，可能需要用量化版本的权重（社区有 FP8 量化）

质量和 A14B 的差距

TI2V-5B 和 A14B 的质量差距主要在：

• 复杂运动的连贯性（A14B 明显更好）
• 运镜的精准度（A14B 支持显式运镜控制）
• 极端场景下的稳定性（如密集人群、复杂光影）

但对于日常创意素材、电商产品动态、短视频开头封面等场景，TI2V-5B 的效果已经足够可用。毕竟它是唯一能在本地跑的 720P@24fps 开源模型。

更多技术细节见 VAE 压缩原理 的压缩原理说明。