把一张图变成一个镜头：Wan2.2 5B 给个人创作留了条本地路线

先把封面或角色图画满意，再让画面动起来，是不少创作者更容易把握的路线。Wan2.2-TI2V-5B把文生视频和图生视频放进同一款模型：只有文字时从描述生成画面，有参考图时，则让后续运动围绕这份起点展开。

本文讨论TI2V-5B模型，不是把Wan2.2家族的所有能力都装进一个名字。A14B文生、图生型号，语音驱动和人物动画型号各有自己的权重与条件；下载5B并不等于这些任务全部到手。

参考图管画面，文字继续交代发生什么

官方示例使用下面这张戴墨镜的猫图，并配上一段海边场景描述。图片先固定了猫的外观、镜头距离和背景关系，文字再补充拍摄氛围与画面内容。它比完全从一段文字起步，多了一份可以直接讨论的视觉材料。

图源：官方输入文件。这是生成前的参考图，不是本文生成的视频结果；动态效果应到官方演示查看。

对自己的作品，可以先确定静态画面，再只给一个主要动作：人物转头、镜头缓慢推近，或环境中的小幅运动。若把换景、换装、跑动和镜头旋转一起塞进一个短镜头，失败时很难知道是哪项要求没有落地。这里的重点是让已有图稿进入运动设计，而不是重新发明整幅构图。

参考图也不是逐帧约束。模型要生成原图没有提供的姿态、遮挡和背景部分，因此角色标记、手部和文字仍可能发生变化。适合先做氛围镜头或分镜试作；需要准确展示商品标签、结构或流程时，不能因为第一帧正确就默认后面也忠实。

官方为TI2V-5B给出720P级、24fps生成说明，示例尺寸是1280×704或对应竖向尺寸。不要把这里的720P理解成所有任务都固定输出1280×720；图生视频还会依据输入图比例处理目标面积。

更直接的门槛是显存。单卡指引写明，在模型卸载、数据类型转换、文本编码器转CPU等选项下，示例可在至少24GB显存的卡上运行。这些选项是在资源和速度之间作取舍，不是让任意轻薄本变成视频工作站。

模型可以从Hugging Face或魔搭取得，项目也给出ComfyUI、Diffusers等接入路径。已经习惯节点工作流的人，可以先用对应模板；没有相关环境的人，先看官方动态演示，确认镜头类型值得投入，再决定本地部署。

该权重模型卡标注Apache-2.0。用自己的图稿制作一组短镜头，可以保留对输入与生成设置的控制；是否能成为成片，还要看每个镜头的连贯性以及后续剪辑。本文解析的是公开模型和官方输入示例，没有复现速度或证明某种中文提示词必然有效。