Wan2.2 VAE 压缩技术：TI2V-5B 如何在 4090 上跑 720P
从 27B 稠密到 5B：靠的是 VAE
TI2V-5B 是 Wan2.2 家族里最"亲民"的模型——它是唯一能在单张 RTX 4090（24GB 显存）上稳定跑起来、还能出 720P 24fps 视频的成员。关键不在模型本身有多小，而在背后的 Wan2.2-VAE 压缩器。
时空压缩比
普通视频的生成和存储是在像素空间做的，计算量和显存消耗巨大。Wan2.2-VAE 把视频从像素空间映射到一个更小的隐空间（latent space），在这个空间里做扩散去噪，最后再解码回像素。
Wan2.2-VAE 的压缩率：
| 维度 | 压缩比 |
|---|---|
| 时间 T | 4× |
| 高度 H | 16× |
| 宽度 W | 16× |
| 整体 | 4 × 16 × 16 = 1024 倍（Wan2.1） |
| Wan2.2 | 4 × 16 × 16 = 64 倍（T × H × W） |
| TI2V-5B 额外 patchification | 再加 2×，总压缩率 4 × 32 × 32 |
为什么 TI2V-5B 要额外 patchification
TI2V-5B 是一个统一的文生 + 图生模型，它需要同时支持两类任务。额外的 patchification 层把隐空间特征切块处理，让模型在保持质量的同时，参数量控制在 50 亿——远小于 A14B 的 270 亿。
消费级显卡上的效果
在未做特别优化的情况下，TI2V-5B 的表现：
| 硬件 | 分辨率 | 速度 |
|---|---|---|
| RTX 4090（24GB） | 720P（1280×704） | 5 秒视频约 9 分钟 |
| A100 80GB | 720P | 更快（可去掉 offload） |
它是目前开源领域最快的 720P@24fps 视频生成模型之一，适合开发者快速验证想法或搭建轻量 Demo。
统一框架的好处
TI2V-5B 原生支持文本生成视频（T2V）和图像生成视频（I2V）两类任务，在一个模型权重里统一完成。这意味着开发者只需要下载一份权重、加载一次模型，就能切换两种生成模式——传入 prompt 做 T2V，传入 image + prompt 做 I2V。
更多关于 TI2V-5B 的部署命令和显存调优，见 4090 本地跑。