Промпты для Wan 2.2: примеры и проверка

Промпты для Wan 2.2: примеры и проверка строятся вокруг одной формулы и привязки к параметрам запуска. Ниже — разбор блоков промпта, готовые заготовки под разные задачи, различия между T2V, I2V и TI2V-5B, а также типичные ошибки формулировки. Все примеры — редакционные заготовки: их копируют и проверяют на своём запуске.

Формула промпта и разбор блоков

Гайд «WAN 2.2 Prompting Guide» предлагает порядок блоков: субъект, окружение, действие и движение, камера, настроение и свет, временное развитие. Официальный README Wan2.2 со своей стороны сообщает, что модель обучалась на данных с подробными метками по свету, композиции, контрасту и цветовой тональности, что даёт более точное управление кинематографическим стилем. Эти два слоя складываются в рабочую формулу.

Разберём блоки по отдельности.

Субъект. Кто или что в кадре. Чем конкретнее признак, тем меньше вариативности у модели. «Белая кошка в солнечных очках» работает точнее, чем «животное».

Действие. Что субъект делает. Официальный README в примере для T2V использует формулировку про двух антропоморфных котов в боксёрской экипировке, которые интенсивно сражаются на сцене под прожектором. Глагол задаёт динамику.

Среда. Где происходит действие. README в примере для I2V описывает пляжный фон с прозрачной водой, далёкими зелёными холмами и синим небом с белыми облаками.

Камера. Тип плана и движение. README в том же примере использует крупный план, который подчёркивает детали шерсти и атмосферу морского берега.

Свет. Источник и характер освещения. README в примере для T2V задаёт прожектор на сцене; это отдельный блок, который влияет на контраст.

Стиль. Общая эстетика кадра. README в примере для I2V задаёт стиль летнего пляжного отдыха.

Движение. Как развивается сцена во времени. Гайд «WAN 2.2 Prompting Guide» выделяет временное развитие отдельным блоком после настроения и света.

Качество. Детализация и резкость. README в примере для I2V упоминает детали шерсти и свежую атмосферу морского берега как то, что подчёркивает крупный план.

Порядок блоков держит промпт читаемым для модели и для вас. Проверка простая: уберите один блок и посмотрите, что изменилось в результате. Если разницы нет — блок был лишним.

Готовые примеры промптов под разные задачи

Ниже — шесть заготовок. Это редакционные формулировки: копируйте и проверяйте на своём запуске.

Портрет. Крупный план человека в мягком боковом свете, спокойное выражение лица, размытый фон, медленное приближение камеры, тёплая цветовая тональность, высокая детализация кожи.

Продукт. Флакон на матовой поверхности, вращение на месте, студийный свет сверху, отражение на подложке, фиксированный средний план, нейтральный фон, чёткие грани.

Природа. Горное озеро на рассвете, лёгкая рябь на воде, медленный панорамный проход слева направо, туман над дальним берегом, холодная цветовая тональность, высокая детализация листвы.

Ночной город. Улица с неоновыми вывесками после дождя, отражения на асфальте, прохожие идут мимо, камера едет вперёд на уровне груди, контрастный свет от витрин, насыщенные цвета.

Image-to-video. Оживление статичного кадра: сохранить композицию исходного изображения, добавить лёгкое движение волос и одежды от ветра, камера остаётся на месте, свет не меняется.

Предмет в интерьере. Чашка на столе у окна, пар поднимается вверх, мягкий дневной свет сбоку, фиксированный план, спокойный фон, детализация керамики.

Для каждой заготовки проверяйте: субъект назван конкретно, действие выражено одним глаголом, среда описана, камера задана, свет указан, стиль обозначен, движение прописано, качество упомянуто. Если блок отсутствует — добавьте его перед запуском.

Один промпт под T2V, I2V и TI2V-5B

Один и тот же сюжет меняется в зависимости от задачи. Официальный README описывает три пути: T2V-A14B для генерации из текста, I2V-A14B для генерации из изображения, TI2V-5B для гибридной генерации из текста и изображения.

T2V. Промпт несёт всю сцену целиком, потому что модель строит кадр с нуля. Пример README: два антропоморфных кота в боксёрской экипировке сражаются на сцене под прожектором.

I2V. Промпт дополняет исходное изображение. README в примере описывает белого кота в солнечных очках на доске для сёрфинга, крупный план подчёркивает детали шерсти. Композицию задаёт картинка, промпт добавляет атмосферу и движение.

TI2V-5B. README указывает, что при заданном параметре --image генерация идёт из изображения, без него по умолчанию работает текстовая генерация. В текстовой команде TI2V-5B README использует сюжет с котами-боксёрами, в команде с изображением — кота на доске для сёрфинга.

Учебная адаптация одного сюжета — чашка у окна. Для T2V скопируйте: «Белая керамическая чашка стоит на деревянном столе у окна; тонкая струйка пара медленно поднимается вверх, камера неподвижна, мягкий дневной свет сбоку, спокойная реалистичная съёмка с видимой фактурой керамики». Для I2V подготовьте изображение белой чашки на деревянном столе у окна и скопируйте: «Сохранить форму и положение чашки, рисунок стола и боковой свет исходного изображения; тонкая струйка пара медленно поднимается вверх, камера неподвижна». Для TI2V-5B без --image используйте текстовую версию, с --image — эту же исходную картинку и версию для I2V. Это редакционные заготовки для самостоятельной проверки. Критерии результата: пар поднимается вверх, чашка сохраняет форму, камера остаётся неподвижной; для I2V дополнительно сравните положение предметов и свет с исходником.

Связь промпта с параметрами запуска

Таблица относится к локальному CLI generate.py из официального README Wan2.2. Значения VRAM взяты из примечаний к приведённым в README однокарточным командам с указанными флагами.

README отдельно отмечает: для TI2V-5B разрешение 720P задаётся как 1280*704 или 704*1280, а команда запускается на GPU с минимум 24 ГБ VRAM, например на RTX 4090. Для I2V параметр --size задаёт площадь кадра, а соотношение сторон наследуется от исходного изображения.

Флаги экономии памяти README рекомендует при нехватке VRAM: --offload_model True, --convert_model_dtype и --t5_cpu снижают потребление памяти GPU. Для TI2V-5B README разрешает убрать эти три флага на GPU с 80 ГБ VRAM и больше, чтобы ускорить выполнение. README также уточняет, что --convert_model_dtype приводит типы параметров модели к config.param_dtype.

Для текстового запуска TI2V-5B без --image значение --size 1280*704 задаёт горизонтальный кадр; промпт для широкой панорамы согласуется с этим форматом. Для I2V-A14B и TI2V-5B с изображением README связывает соотношение сторон с исходной картинкой, поэтому для вертикального результата подготовьте вертикальный исходник и выберите подходящее значение --size из README.

Встроенный prompt extension

Официальный README называет prompt extension необязательным шагом, который обогащает детали в сгенерированном видео и повышает качество. Предусмотрены два способа.

Dashscope API. README предлагает заранее получить dashscope.api_key, задать переменную окружения DASH_API_KEY и для международного сайта Alibaba Cloud дополнительно установить DASH_API_URL в значение https://dashscope-intl.aliyuncs.com/api/v1. Для текстовой генерации README рекомендует модель qwen-plus, для графической — qwen-vl-max. Метод включается флагом --prompt_extend_method 'dashscope', модель расширения меняется параметром --prompt_extend_model.

Локальный Qwen. README указывает, что по умолчанию для расширения используется модель Qwen с Hugging Face. Для текстовой генерации подходят Qwen/Qwen2.5-14B-Instruct, Qwen/Qwen2.5-7B-Instruct и Qwen/Qwen2.5-3B-Instruct, для графической — Qwen/Qwen2.5-VL-7B-Instruct и Qwen/Qwen2.5-VL-3B-Instruct. README отмечает: крупные модели дают лучший результат расширения и требуют больше памяти GPU. Метод включается флагом --prompt_extend_method 'local_qwen'.

Оба метода запускаются с флагом --use_prompt_extend и параметром --prompt_extend_target_lang. README приводит пример с целевым языком zh. Для I2V README описывает отдельный сценарий: промпт можно оставить пустым, а расширение построит его из изображения.

Проверка расширения: сравните результат с исходным промптом и с расширенным. Если детализация выросла, а сюжет не уехал — расширение сработало.

Типичные ошибки формулировки

Перегруженный промпт. Слишком много деталей в одном блоке размывает приоритеты. Разносите признаки по блокам формулы: субъект отдельно, среда отдельно.

Размытые глаголы движения. «Что-то происходит» не задаёт динамику. README в примерах использует конкретные глаголы: сражаются, смотрит, сидит. Один глагол на действие.

Конфликтующие команды камеры. «Камера едет вперёд» и «камера остаётся на месте» в одном промпте дают непредсказуемый результат. Оставляйте одну команду движения камеры.

Смешение режимов. Промпт для I2V описывает сцену целиком, хотя композицию задаёт изображение. Для I2V промпт дополняет картинку, для T2V строит её с нуля.

Игнорирование параметров. Для текстовой генерации сверяйте желаемую ориентацию с --size; для I2V учитывайте соотношение сторон исходного изображения. Значения --size берите из примера README для выбранного --task.

Пропуск блока света. README указывает, что модель обучалась на данных с метками по свету и контрасту. Пропущенный свет снижает управляемость стилем.

Проверка ошибок: прочитайте промпт вслух. Если два блока противоречат друг другу или глагол движения не назван — переформулируйте до запуска.

Лицензия и запросы про uncensored

Запросы вида «wan 2.2 промпты uncensored» встречаются в поиске. Официальный README Wan2.2 указывает, что модели в репозитории лицензированы по Apache 2.0. Права на сгенерированный контент вендор за собой не оставляет и предоставляет свободу использования при соблюдении условий лицензии.

README также прямо оговаривает ответственность пользователя: использование моделей не должно включать распространение контента, нарушающего применимые законы, причиняющего вред людям или группам, распространяющего личные данные с целью вреда, дезинформацию или направленного против уязвимых групп. Полный список ограничений приведён в тексте лицензии.

Практический вывод для читателя: лицензия Apache 2.0 регулирует права на модель и сгенерированный контент, а правила использования задают рамки допустимого применения. Промпты для Wan 2.2 стоит формулировать в этих рамках.

Частые вопросы

Как правильно писать промпты для Wan 2.2?

Держите порядок блоков: субъект, окружение, действие и движение, камера, настроение и свет, временное развитие. Такой порядок предлагает гайд «WAN 2.2 Prompting Guide». Официальный README добавляет, что модель обучалась на данных с метками по свету, композиции, контрасту и цветовой тональности. Используйте конкретные признаки и проверяйте их сохранение в результате.

Сколько VRAM нужно для запуска Wan 2.2?

Официальный README указывает: команды T2V-A14B и I2V-A14B запускаются на GPU с минимум 80 ГБ VRAM. Для TI2V-5B достаточно 24 ГБ, README приводит в пример RTX 4090. При нехватке памяти README рекомендует флаги --offload_model True, --convert_model_dtype и --t5_cpu.

Чем отличаются промпты для T2V, I2V и TI2V-5B?

Для T2V промпт описывает сцену целиком, потому что модель строит кадр с нуля. Для I2V промпт дополняет исходное изображение, а композицию задаёт картинка. Для TI2V-5B README указывает: при заданном --image работает генерация из изображения, без него — текстовая генерация. В текстовой команде TI2V-5B README использует сюжет с котами-боксёрами, в команде с изображением — кота на доске для сёрфинга.

Что такое prompt extension в Wan 2.2?

Это необязательный шаг, который обогащает детали в сгенерированном видео и повышает качество. Официальный README предлагает два способа: Dashscope API с ключом DASH_API_KEY и моделями qwen-plus или qwen-vl-max, а также локальный Qwen с моделями серии Qwen2.5. Оба метода включаются флагом --use_prompt_extend.

Можно ли использовать Wan 2.2 без ограничений?

Официальный README указывает лицензию Apache 2.0 для моделей репозитория. Вендор не оставляет за собой прав на сгенерированный контент и даёт свободу использования при соблюдении условий лицензии. README оговаривает ответственность пользователя: контент не должен нарушать законы, причинять вред людям или группам, распространять личные данные с целью вреда, дезинформацию или быть направленным против уязвимых групп.