Wan 2.2 на 12гб VRAM: можно выжать нормальное видео или не мучиться?

[dennisdd]

Карта 3060 12гб, 32гб оперативки. Хочу локально i2v, оживлять картинки секунд по 5. Поставил ComfyUI, скачал Wan 2.2 14B fp8, на первом же запуске ожидаемый OOM.

Видел что есть GGUF кванты и какая-то TI2V-5B версия. Вопросы:
1. Q4 квант 14B на 12гб вообще заведется или без 16гб там делать нечего?
2. 5B версия сильно хуже по качеству? на примерах вроде терпимо
3. слышал про лору lightx2v которая режет шаги с 20 до 4, это рабочая тема или маркетинг?

Апгрейд карты не предлагать, 5060 ti 16гб у нас сейчас от 60к, жаба душит.

[darkblueteam]

@dennisdd, TI2V-5B твой вариант, она изначально под потребительские карты делалась, 720p тянет. на 3060 пятисекундный ролик будет минут 8-10 генериться. для начала пойдет, аппетит придет во время еды

[grpc_veteran]

аренда 4090 на почасовых сервисах стоит как чашка кофе

если у тебя есть чем платить. с карт РФ почти никуда не заплатишь, а крипта + комиссии + курс, и твоя чашка кофе превращается в бизнес-ланч. плюс я генерю урывками по вечерам, под такой режим аренда невыгодна в принципе. так что не слушай, ОП, 3060 дома вполне рабочая лошадка, все заведется

[sergeyserov]

добавлю ложку дегтя к рецепту выше: на 4 шагах движение становится пластиковым, камера почти статичная, персонажи как в киселе. если нужна динамика, ставь хотя бы 8 на high noise модель. и cfg 1 заметно убивает следование промпту, сложные сцены иногда проще на 5B без ускорялок собрать, чем на кастрированной 14B

[davkar]

слышал про лору lightx2v которая режет шаги с 20 до 4, это рабочая тема или маркетинг?

Рабочая, сам сижу на 3060 с 14B. Рецепт:

- кванты Q4_K_M обеих моделей (high noise + low noise) через ComfyUI-GGUF
- лора lightx2v, 4 шага на каждую модель вместо 20, cfg 1
- sageattention ставь обязательно, минус 20-25% времени
- разрешение 480x832, 81 кадр

В таком виде 5 секунд рендерится примерно 7 минут. Без лоры было бы за 40, так что никакой это не маркетинг, это маст-хэв.

Но. Оперативки 32гб впритык, у меня при свопе моделей все умирало, пока не докинул до 64. И на 4 шагах качество движения проседает, лица при быстрой динамике плывут. Я гоняю 4+4 для черновиков и 6+6 для финалок.

[Neskuchay]

не понимаю этого мазохизма, честно. аренда 4090 на почасовых сервисах стоит как чашка кофе, накидал задач с вечера, утром забрал пачку роликов. локалка на 3060 это когда твое время вообще ничего не стоит