在 VPS 上跑文生视频与图生视频：Wan2.2、HunyuanVideo、ComfyUI 实战（2026）

2026-08-16 · DevCraft Studio

2026 实战：在 GPU VPS 自建无审核 AI 视频工坊，部署阿里 Wan2.2 与腾讯 HunyuanVideo，用 ComfyUI 搭工作流，含显存、fp8、xDiT、TeaCache 避坑。

延伸阅读

更多相关攻略推荐：【API 中转 02】ChatGPT/Claude API 中转 V、炒币/外汇 EA 机器人用什么 VPS？低延迟到交易所的选机指南、量化/EA 交易要低延迟：跑外汇机器人该选哪台 VPS？就近机房实测、2026 多语言/多区域 SEO 技术栈：hreflang+CDN 、Tailscale 连上了却卡成狗？自建 DERP/ZeroTier。

为什么要在 VPS 上自建视频生成工坊

这两年 Sora、Veo 这类闭源视频模型确实厉害，但订阅贵、排队久，而且有内容审核和地区限制。对做短视频、做营销素材、做数字人内容的自媒体和开发者来说，最难受的不是出不了片，而是想做的画面被直接拦下来，或者账号因为擦边被封。开源视频模型给了我们另一条路：模型权重完全公开，本地或自有的 VPS 上随便跑，没有审核、没有月度额度，生成的视频版权也归你自己。

2026 年这个赛道最大的变化是：阿里通义万相的 Wan2.2 和腾讯的 HunyuanVideo 都已经开源，并且都支持量化后塞进消费级甚至入门级显卡。再配合 ComfyUI 这套节点式工作流，普通人拖拖节点就能出片。本文就带你从零在 GPU VPS 上把这套工坊搭起来，重点讲清显存到底要多少、fp8 量化怎么用、多卡并行怎么开、TeaCache 怎么提速，以及踩过的坑。

显存到底要多少：48GB 还是 80GB

先说结论，免得被网上互相矛盾的显存数字搞晕。视频模型有两个量级，买机器前一定要分清你跑的是哪一个：

  • 轻量变体（Wan2.2 TI2V-5B / Wan2.1 1.3B）：5B 稠密模型官方参考是单卡 24GB 跑 720p；用 ComfyUI 原生卸载（offloading）配合 GGUF Q8 量化，8GB 显存也能跑。Wan2.1 的 1.3B 版更是只要 8.19GB 显存，RTX 4060 这种入门卡就能玩，适合试水和批量草稿。
  • 满血变体（Wan2.2 A14B / HunyuanVideo 13B）：Wan2.2 的 A14B 是 MoE 架构，27B 总参数但每步只激活 14B，官方未量化单卡命令要求 80GB 显存（A100/H100 级别）。HunyuanVideo 生成 720p、129 帧需要约 60GB 显存，推荐 80GB。FP8 量化后 HunyuanVideo 能省下约 10GB。

所以网上有人说 8GB 有人说 80GB，两个都对，只是说的是不同变体。如果你的 VPS 是一张 24GB 的卡（比如 RTX 4090 云实例），就老老实实走 fp8 或 GGUF 量化跑 A14B 的 480p；想要 720p 高画质满血体验，就得上 48GB 甚至 80GB 的单卡，或者用多卡并行把显存摊开。

Wan2.2 三种变体与 fp8 量化

Wan2.2 是 2025 年 7 月 28 日开源的，协议是宽松的 Apache 2.0，是首个把 MoE 架构用到视频扩散模型上的项目。它主要有几个变体：

  • TI2V-5B：稠密模型，一个模型同时支持文生视频和图生视频，720p/24fps，是消费级显卡的首选。
  • T2V-A14B / I2V-A14B：MoE 大模型，画质最高，文生视频和图生视频分开两个权重，最常用的是 I2V-A14B。
  • S2V-14B / Animate-14B：声音驱动口型、角色动画等专门方向。

A14B 的 MoE 设计很巧妙：它用两个专家分别负责高噪声阶段（定整体布局）和低噪声阶段（补细节），两步串行执行，所以显存里同一时刻只放一个专家，这正是 28.6GB 的 FP16 文件能塞进 24GB 卡的原因。官方已经提供了 FP8-scaled 的权重文件，每个专家约 14.3GB，比 FP16 省了接近一半。

量化方案优先级建议：

  • 显存够（24GB+）：直接用官方 FP8 scaled 权重，质量几乎无损，最省心。
  • 显存紧（16GB）：用 GGUF Q5_K_M，每个专家约 10.8GB，720p 可用。
  • 显存很紧（8-12GB）：用 GGUF Q3/Q4 加 CPU 卸载，只能当学习玩具，出片慢但能跑通。

HunyuanVideo 与 xDiT 多卡并行

腾讯 HunyuanVideo 是 2024 年底开源的 13B 视频模型，画质和运镜连贯性在开源里数一数二，适合追求电影感的场景。它原生支持多卡并行，靠的是 xDiT 这套面向 DiT 的推理加速引擎，用的是统一序列并行（USP），通过 Ulysses 注意力和 Ring 注意力把视频 token 序列切到多张卡上。

实测数据很直观：生成 720p、129 帧、50 步的视频，单卡要 1904 秒，8 卡用 xDiT 只要 338 秒，提速 5.64 倍，接近线性加速。启动命令长这样：

cd HunyuanVideo
torchrun --nproc_per_node=8 sample_video.py   --video-size 1280 720   --video-length 129   --infer-steps 50   --prompt "A cat walks on the grass, realistic style."   --ulysses-degree 8   --ring-degree 1   --save-path ./results

注意 --ulysses-degree 乘以 --ring-degree 必须等于 GPU 总数。8 卡常见的组合有 8x1、4x2、2x4、1x8，分辨率越高越适合 Ulysses 并行。多卡模式要求关闭 CPU 卸载，并且卡间最好有 NVLink 或高速网络，否则通信开销会吃掉一部分加速收益。

用 ComfyUI 搭工作流（实测步骤）

命令行适合批量跑，但日常创作还是 ComfyUI 节点工作流更顺手。下面是在 VPS 上从零装起来的步骤，Ubuntu 22.04 + 一张 NVIDIA 卡为例。

第一步，装基础环境（驱动、CUDA、Python）。云 GPU 实例一般镜像自带 CUDA，先确认：

nvidia-smi
python3 --version

第二步，拉 ComfyUI 和视频模型封装节点：

git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install -r requirements.txt
cd custom_nodes
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper
cd ComfyUI-WanVideoWrapper
pip install -r requirements.txt
cd ..
git clone https://github.com/city96/ComfyUI-GGUF

第三步，下载模型权重。以 Wan2.2 为例，把扩散模型放 ComfyUI/models/diffusion_models/，VAE 放 ComfyUI/models/vae/：

wan2.2_t2v_14B_fp8_scaled.safetensors   # 约 14GB 文生视频
wan2.2_i2v_14B_fp8_scaled.safetensors   # 约 14GB 图生视频
wan2.2_vae.safetensors                  # 约 320MB 解码器

第四步，启动并在本机浏览器通过端口转发访问：

cd ComfyUI
python main.py --listen 0.0.0.0 --port 8188

在本地机器做 SSH 隧道把 8188 端口转出来，浏览器打开就能拖节点了。文生视频只需 Load WanVideo Model、CLIP 文本编码、Empty Latent、采样器、VAE 解码、视频保存几个节点；图生视频多一个 Load Image 首帧输入。

TeaCache 提速与省钱技巧

视频扩散每步都要过一遍庞大的 Transformer，这是最烧时间和算力的地方。TeaCache 是一类时间步缓存加速方法：它发现相邻去噪步之间的残差变化有规律，可以跳过一部分完整计算，直接复用上一步的中间结果。配合 ComfyUI 的 WanVideo 封装节点里的 TeaCache 开关，通常能换来 1.5 到 2 倍的提速，画质损失很小，是性价比最高的开关。

其他省钱省时技巧：

  • 降分辨率出草稿、再放大：先用 480p 跑分镜确认，满意了再上 720p，避免反复烧满血算力。
  • 帧间插值补长度：原生 5 秒太短，可用 RIFE 把 16fps 插到 24/30fps，或者首尾帧链路把多段拼成长片。
  • 量化 + 卸载组合：FP8 加 block offload，比纯 GGUF 更容易保持质量。
  • 按需开关计费：GPU 实例按小时最贵，出片完就关机或释放，比常驻省一大截。

选哪台 VPS：vultr 与 dmit 举例

搭工坊最现实的问题是：本地没卡，去买机器又不划算，那就上云 GPU VPS。这里自然想到两家：

  • Vultr：全球机房多，直接提供 A100/H100 80GB 这类满血 GPU 实例，按小时计费，想跑 HunyuanVideo 满血 80GB 版或 8 卡 xDiT 集群，选它最省心，镜像市场里也有带 CUDA 的现成系统。
  • DMIT：以中国方向优质线路（CN2 GIA 之类）著称，延迟低、访问稳。如果你人在国内，用 DMIT 做跳板或跑轻量 Wan2.2 5B 变体，从大陆连 ComfyUI 界面会明显比绕美西的机器流畅。

实操建议：重算力（A14B 满血、多卡并行）放 Vultr 的 80GB 实例；日常轻量出片、且你在中国大陆需要低延迟操作界面，可以考虑 DMIT 的线路优势。无论哪家，记得确认镜像自带 CUDA 驱动，并且系统盘留够 60GB 以上放模型。

还有一点容易被忽略：视频模型权重动辄十几 GB，下载走 Hugging Face 官方源在部分地区很慢，建议部署时先确认 VPS 机房到模型源的带宽，或者用镜像站、对象存储做中转，否则光拉权重就可能花掉一两个小时，期间 GPU 闲置也是在烧钱。另外生成视频产出的是大量临时帧和缓存，系统盘要留余量，最好挂一块独立的数据盘专门存素材和成品。

避坑清单（实测踩过的雷）

  • 显存不足别硬扛：OOM 时先开 CPU 卸载（--t5_cpu、--offload_model），再上 FP8/GGUF，别指望原精度能塞进小卡。
  • 模型放错目录：ComfyUI 对 diffusion_models、text_encoders、vae 目录分得很清，放错就加载不到，报错还很隐晦。
  • 多卡别开 CPU 卸载：xDiT 并行模式要求 use_cpu_offload 为 False，否则初始化直接断言失败。
  • 长视频会漂移：DiT 注意力随帧数二次增长，超过 96 帧后可能出现颜色漂移、首尾不闭合，长片用分镜拼接而非一次生成。
  • 防火墙放开 8188：--listen 0.0.0.0 后别忘了安全组放行，但别对公网裸奔，最好只走 SSH 隧道。
  • GGUF 低量化是玩具：8GB 卡上 Q3 量化能跑通，但画质垮得厉害，生产别指望它。