WAN2.2-14B-Rapid-AllInOne：一个模型文件、4 步采样，8GB 显存跑视频生成

WAN2.2-14B-Rapid-AllInOne：一个模型文件、4 步采样，8GB 显存跑视频生成

【免费下载链接】WAN2.2-14B-Rapid-AllInOne项目地址: https://ai.gitcode.com/hf_mirrors/Phr00t/WAN2.2-14B-Rapid-AllInOne

你不需要再准备三套模型文件，出片过程只需要 4 步采样——这是装上 WAN2.2-14B-Rapid-AllInOne 之后最直观的感受：一个 safetensors 文件里同时装好了生成模型、VAE 和 CLIP 文本编码器，README 里还放了一张 8GB 显存成功跑通的截图，说明这不是纸上谈兵。本文按问题驱动的顺序展开：先说旧方案的痛点，再看这个项目怎么解决，然后给出效果依据、上手路径和版本选择边界。

三套模型文件合成一个，工作流只留一个节点

标准 WAN 2.2 的 ComfyUI 工作流要分别加载三类组件：生成模型、VAE（把潜空间结果解码成你能看到的像素）、CLIP 文本编码器（把你的提示词变成模型能理解的向量）。它们是三个独立文件，版本必须互相匹配，接错一根线或者版本不对都跑不通，对新手来说光是装环境就要折腾半天。

Rapid-AllInOne 的做法很直接：作者把 WAN 2.2 与加速模块混合（merge）后，连同 VAE 和 CLIP 一起打包进单个文件。你只需要在 ComfyUI 里拖一个 "Load Checkpoint" 节点，模型、VAE、CLIP 全部从这个 AIO safetensors 里取，官方仓库根目录附带的 wan2.2-t2v-rapid-aio-example.json 和 wan2.2-i2v-rapid-aio-example.json 里就是这么连的，节点数不到十个。

📦 全部文件均为 FP8 精度，体积减半，这也是它能在 8GB 显存上落地的关键。仓库按 v2 到 v10 分目录存放各版本，另有 Mega-v1 到 Mega-v12 的 MEGA 系列，后面会讲。

4 步、CFG 1，采样器按版本选

README 里有一句很明确的话：所有模型都按 CFG 1、4 步设计。这意味着你没有调参负担——CFG 拉高拉低都是负优化，采样器才是唯一需要你留意的变量。作者在 changelog 里给每个版本都标了推荐组合，挑关键的列出来：

对照根目录 T2V 示例工作流里的 KSampler 节点，实际取值就是下面这样，前两项是随机种子和种子模式：

[ "192054346835137", "fixed", "4", "1", "sa_solver", "beta", "1" ]

分辨率和帧数按显卡情况改即可。示例工作流用的是 848x480、41 帧（T2V）和 640x640、81 帧（I2V），MEGA v3 示例则是 768x768、65 帧。显存吃紧时从低分辨率起步，出图稳定再往上加。

一个 MEGA 文件，四种模式随意切

普通线是 I2V 和 T2V 两个独立文件；MEGA 线是"一个模型通吃"的版本，因为它额外融合了 VACE（一个视频控制模块，让首帧、尾帧、参考视频都能参与引导）。同一个文件能覆盖四种玩法，切法都写在 README 里：

• 图生视频：bypass 掉"尾帧"输入，首帧就是你的 I2V 起始图，其余不动
• 文生视频：bypass 首帧、尾帧和VACEFirstToLastFrame节点，并把WanVaceToVideo的 strength 设为 0
• 只给尾帧：bypass 首帧，保留尾帧
• 首帧到尾帧：按 Mega-v3/Rapid-AIO-Mega.json 示例工作流原样跑

这个切换说明甚至被作者写进了工作流画布的 Note 节点里（MEGA v2 的 Note 原文就写着"T2V? WanVaceToVideo strength = 0.0"），不用去猜。

v2 到 MEGA v12，怎么选不踩坑

README 的 changelog 本质上是一份排错记录，值得读。对选择有用的节点有这几条：

• v6换了混合结构，质量显著提升，但 I2V 开头 1-2 帧仍有轻微噪声
• v7修复了 I2V 的场景跳变；v8把 T2V 完全重建在 WAN 2.2 低噪声模型上，噪声问题基本解决
• v10修正了用错加速器的失误，副作用是画面有"往主体上推镜头"的倾向——不想要这个效果就在提示词里控制
• MEGA v2移除了导致人脸漂移的 FunReward LORA；MEGA v3相机控制和提示词跟随更好，但人脸一致性不如 v10（作者自己归因于 VACE 的局限）
• MEGA v12换用 bf16 基座，专门修掉了"fp8 缩放"一类的问题，目前只用 rCM 和 Lightx2V 两个加速器

官方口径是：每种类型直接选最新版本即可。给你的具体建议是：只用 I2V 或 T2V、追求稳，选 v10 这一档；想一个文件覆盖首尾帧、尾帧控制等全部模式，选 MEGA v12。

另外两条兼容性和避坑提示：WAN 2.1 的 LORA 兼容性普遍良好，低噪声的 WAN 2.2 LORA 也能用，但高噪声 LORA 不要用，强度可能需要上下微调；如果你还想"首帧 + 参考视频动作"同时输入（不走 ControlNet），仓库里有个现成方案 Custom-Advanced-VACE-Node/，它给首尾帧节点加了control_strength和control_ease两个参数，官方建议强度从 0.1 到 0.5 之间试。

从 clone 到出片，只要三步

git clone https://gitcode.com/hf_mirrors/Phr00t/WAN2.2-14B-Rapid-AllInOne

1. 把选好的 safetensors 放进 ComfyUI 的checkpoints目录，比如根目录的wan2.2-t2v-rapid-aio.safetensors或 MEGA 目录下的对应文件
2. 把仓库根目录的示例工作流（或 Mega-v3 里那个）拖进 ComfyUI
3. 在 "Load Checkpoint" 节点里选中模型文件，直接排队出片

💡 注意一个容易忽略的点：根目录那两个不带版本号的文件是最初的 base 版，作者评价是"非常稳定但主要是 WAN 2.1 底子"，推荐 sa_solver。想要更新的质量，去 v6 之后的目录或 MEGA 系列取。

它适合谁，又不适合谁

适合你，如果：

• 你在 8-12GB 显存的机器上想快速验证 WAN 2.2 的能力，4 步采样让等待时间缩到最短，适合批量试创意
• 你受够了多组件工作流，希望一个文件 + 一个节点完成部署
• 你需要首尾帧控制（在这个仓库里，MEGA 线是唯一便捷的路径）

不适合你，如果：

• 你想要完整 WAN 2.2 双模型流水线的质量上限——作者在 README 末尾明确说了，这个速度和简单性是靠取舍换来的
• 你想精确控制混合了哪些加速器、各占多少强度，merge 版把配方定死了，调不了
• 你对长序列人脸一致性要求苛刻，尤其是 MEGA 系列

一句话：求快、求稳、求简单，选这个仓库；求质量天花板和自由度，去折腾官方完整版方案。

【免费下载链接】WAN2.2-14B-Rapid-AllInOne项目地址: https://ai.gitcode.com/hf_mirrors/Phr00t/WAN2.2-14B-Rapid-AllInOne