Wan 2.2 représente une nouvelle génération de modèles vidéo open source légers mais puissants, conçus pour la génération texte-vers-vidéo et image-vers-vidéo avec une cohérence temporelle forte. Construit avec une architecture optimisée qui équilibre efficacité et qualité de sortie, il offre des performances d’inférence solides même dans des conditions matérielles limitées. Pour libérer tout son potentiel, comprendre ses exigences en VRAM est essentiel avant le déploiement. Que vous planifiez une inférence locale sur des GPU grand public ou que vous dimensionniez des charges de travail de production via des instances cloud, une allocation mémoire appropriée garantit à la fois stabilité et vitesse.
Ce guide vous présente tout ce que vous devez savoir :
- Choix de GPU : Des cartes grand public aux GPU entreprise, trouvez ce qui fait fonctionner Wan 2.2 le plus efficacement.
- Gestion de la VRAM : Apprenez comment la quantification et les environnements d’exécution modernes peuvent réduire les coûts mémoire sans sacrifier la qualité.
- Accès simplifié : Explorez les options basées sur API qui vous permettent de générer des vidéos sans avoir à gérer les limites matérielles.
Wan 2.2 : Bases et points forts
| Fonctionnalité | Wan 2.2 |
| Paramètre | 14B |
| Open Source | Oui |
| Résolution | 1080P/720P/480P |
| Format d’entrée/sortie | T2V, I2V |
| Durée de la vidéo | 5s |
| Rapport d’aspect | 16:9/9:16/1:1 |
| Fréquence d’images | 24FPS |
Améliorations clés
- Framework de diffusion alimenté par MoE : Wan 2.2 introduit une conception de mélange d’experts (MoE) dans son système de diffusion vidéo. En déléguant différentes phases de débruitage à des réseaux d’experts dédiés, le modèle étend sa capacité de manière efficace, améliorant les performances sans augmentation proportionnelle du coût de calcul.
- Contrôle amélioré du style visuel : Entraîné sur un jeu de données enrichi d’annotations granulaires pour la lumière, le cadrage, le contraste et la tonalité des couleurs, Wan 2.2 offre un contrôle précis du style cinématographique. Cela permet aux créateurs de diriger l’humeur visuelle et l’esthétique avec une grande fidélité pour différentes intentions artistiques.
- Entraînement étendu sur le mouvement et les scènes : Par rapport à Wan 2.1, la nouvelle version intègre plus de 65 % d’images supplémentaires et 80 % de clips vidéo en plus, l’exposant à une plus grande variété de modèles de mouvement, de structures de scènes et de contextes narratifs. Cette couverture de données plus riche équipe Wan 2.2 d’une meilleure généralisation sur des paramètres visuels divers.
Combien de VRAM Wan 2.2 (T2V et I2V) nécessite-t-il ?
| Quantification | VRAM (approx.) |
| 8-bit | 15,4 Go |
| 6-bit | 12 Go |
| 5-bit | 10,3 Go |
| 4-bit | 8,56 Go |
Exigences matérielles
1. RTX 3090 : Point d’entrée pour des flux de travail haute fidélité
Bien que la RTX 3090 puisse toujours faire fonctionner Wan 2.2, ses 24 Go de VRAM ont souvent du mal avec le T2V en pleine précision. Les utilisateurs s’appuient généralement sur des modèles quantifiés (Q6_K, Q5_K_M) et des résolutions réduites autour de 480p.
Les performances sont plus lentes et moins stables, mais avec des optimisations telles que le décodage VAE en tuiles et Memreduct, elle reste utilisable pour des tâches de génération vidéo légères ou exploratoires.
2. RTX 4090 : Le juste milieu entre performance et coût
La RTX 4090 (24 Go de VRAM) reste la carte haut de gamme la plus populaire pour la génération locale. Elle rend 81 images en 640×480 en environ 7 s/image et passe à 720p en ~18 s/image, offrant un niveau de détail élevé et une fidélité aux prompts.
Elle fonctionne confortablement avec les paramètres Q8_0 ou en pleine précision, même si le temps de rendu et le coût énergétique augmentent fortement avec la résolution. Pour les créateurs individuels ou les petites équipes, la 4090 est le juste milieu pour combiner vitesse, qualité et abordabilité.
3. RTX 5090 : Performance haut de gamme pour le T2V et l’I2V professionnels
Avec une bande passante de pointe et une VRAM ample, la RTX 5090 atteint 1 seconde par image pour les flux de travail I2V en 720×720, offrant une cohérence exceptionnelle et une netteté visuelle.
Elle gère facilement les modèles en pleine précision ou légèrement quantifiés, maintenant une sortie 720p constante et un artifacting minimal. Pour les créateurs visant une qualité cinématographique ou des séquences de mouvement prolongées, la 5090 représente le meilleur équilibre entre accessibilité et performance premium.
4. H100 SXM : Vitesse et stabilité de niveau centre de données
Équipé de 80 Go de VRAM, le H100 SXM offre un débit exceptionnel et une marge de mémoire importante. Dans les benchmarks communautaires, il effectue une génération T2V 640×640 en 6 étapes en environ 36 secondes à 1 minute, tout en maintenant des performances stables à des résolutions plus élevées comme 720×1280. Chaque itération s’exécute entre 3 et 7 secondes, permettant une convergence plus rapide et un mouvement plus fluide même dans des séquences cinématographiques.
Sa VRAM immense permet une inférence en pleine précision sans tuilage ni quantification, ce qui en fait un choix idéal pour les laboratoires de recherche et les pipelines de production qui exigent à la fois qualité et scalabilité.
Comment optimiser l’utilisation de la mémoire pour Wan 2.2
Même si Wan 2.2 demande une VRAM importante, une optimisation minutieuse peut rendre la génération T2V et I2V réalisable sur une large gamme de matériels. Une gestion efficace de la mémoire implique trois niveaux : la quantification du modèle, les ajustements de l’environnement d’exécution et les paramètres au niveau du flux de travail.
1. Choisissez le bon niveau de quantification
La quantification détermine directement la quantité de VRAM consommée par le modèle.
- Q8_0 : Offre une qualité quasi sans perte mais nécessite environ 15 Go de VRAM ou plus.
- Q6_K / Q5_K_M : Offrent le meilleur équilibre entre fidélité et efficacité, fonctionnant confortablement sur des cartes de 12 à 16 Go.
- Q4_0 : Minimise l’utilisation pour les tests ou les aperçus, même si les détails fins et la fluidité du mouvement chutent visiblement.
Sélectionner la quantification appropriée garantit la stabilité avant tout ajustement de l’environnement d’exécution.
2. Appliquez des techniques éprouvées d’économie de mémoire
Les utilisateurs de la communauté recommandent plusieurs stratégies pratiques pour réduire la pression sur la mémoire :
- Les nœuds Distorch Multi-GPU simulent de la VRAM virtuelle en répartissant les charges de travail sur plusieurs GPU ou de l’espace d’échange.
- Memreduct efface régulièrement la mémoire système inutilisée pour éviter les plantages lors de l’exécution.
- Le décodage VAE en tuiles traite les images en petits patchs, réduisant l’utilisation de la VRAM de plusieurs gigaoctets avec une perte de qualité négligeable.
Ces techniques rendent les configurations de 12 Go viables pour des projets de résolution moyenne (480p à 640p).
3. Optimisez les paramètres et les LoRAs
Le réglage au niveau des fonctionnalités est tout aussi important :
- Désactivez les LoRAs de vitesse comme lightx2v ou causvid pour le T2V, car ils réduisent la variété visuelle et consomment de la mémoire supplémentaire.
- Activez Sage Attention, qui améliore l’efficacité à presque aucun coût.
- Gardez les valeurs de Shift modérées (1 à 8) ; des paramètres extrêmes peuvent déstabiliser la génération ou gaspiller de la VRAM.
Débloquez efficacité et commodité avec l’API !
Wan 2.2 est désormais disponible sur Novita AI ! Connectez-vous et ouvrez l’onglet de génération vidéo pour commencer à créer. Vous pouvez définir votre sortie en 480p ou 1080p, télécharger une image pour Image-vers-Vidéo, ou saisir un prompt pour Texte-vers-Vidéo. Consultez la page de la bibliothèque de modèles pour plus de détails sur Wan 2.2 et les autres modèles.
| Modèle | Durée/Résolution | Prix (USD) |
| Wan 2.2 T2V / I2V | 5s/480p | 0,09 $ / vidéo |
| Wan 2.2 T2V / I2V | 5s/720p | 0,27 $ / vidéo |
| Wan 2.2 T2V / I2V | 5s/1080p | 0,40 $ / vidéo |
Étape 1 : Connectez-vous et accédez à la bibliothèque de modèles
Connectez-vous à votre compte et cliquez sur le bouton Bibliothèque de modèles.
Étape 2 : Choisissez votre modèle
Parcourez les options disponibles et sélectionnez le modèle qui correspond à vos besoins.
Étape 3 : Récupérez votre clé API
Pour vous authentifier auprès de l’API, nous vous fournirons une nouvelle clé API. En accédant à la page « Paramètres », vous pouvez copier la clé API comme indiqué sur l’image.
Étape 4 : Installez l’API
Installez l’API à l’aide du gestionnaire de paquets spécifique à votre langage de programmation.
Commencez avec Wan 2.2 dès maintenant !
Après l’installation, importez les bibliothèques nécessaires dans votre environnement de développement. Initialisez l’API avec votre clé API pour commencer à interagir avec Novita AI LLM.
Foire aux questions
Qu’est-ce que Wan 2.2 ?
Wan 2.2 est un modèle de génération vidéo léger capable de créer à la fois du Texte-vers-Vidéo (T2V) et de l’Image-vers-Vidéo (I2V). Il propose un mouvement cinématographique, un contrôle précis de l’éclairage et un entraînement étendu sur des scènes diverses.
Wan 2.2 peut-il fonctionner sur des GPU grand public ?
Oui. Des cartes comme la RTX 3090 peuvent faire fonctionner des versions quantifiées (par exemple Q6_K ou Q5_K_M) en 480p en utilisant des techniques d’économie de mémoire comme le décodage VAE en tuiles.
Quelle est la différence entre le T2V et l’I2V dans Wan 2.2 ?
Le T2V génère une vidéo complète directement à partir de prompts textuels, tandis que l’I2V part d’une image et l’étend en mouvement, offrant une meilleure cohérence et un rendu plus rapide.
Novita AI est la plateforme cloud tout-en-un qui concrétise vos ambitions en IA. APIs intégrées, serverless, instances GPU — les outils rentables dont vous avez besoin. Éliminez l’infrastructure, commencez gratuitement et faites de votre vision IA une réalité.
