מחולל וידאו AI באירוח עצמי: מה באמת אפשרי ביולי 2026

מה מחולל וידאו מבוסס AI באירוח עצמי יכול לעשות בפועל

מחולל וידאו מבוסס AI באירוח עצמי עובד כיום, אך הוא איטי וקטן יותר מכפי שסרטוני ההדגמה מציגים. נכון ל־July 2026, המודלים הפתוחים שכדאי להפעיל הם Wan 2.2 מבית Alibaba ו־HunyuanVideo מבית Tencent, וכן LTX-Video מבית Lightricks כאשר מהירות חשובה יותר מריאליזם. כולם פועלים תחת ComfyUI במחשב Linux עם GPU של NVIDIA. עם Wan 2.2, המודל שהמדריך הזה מגדיר, מתקבל קליפ באורך של כ־5 שניות וברזולוציה של 720p. Lightricks מתעדת יכולות רחבות יותר עבור LTX-2.5, המודל הנוכחי שלה, שמפיק גם שמע: עד 20 שניות לקליפ ברזולוציה של 720p או 1080p ובקצב של 24 או 25 fps, וכן 4K טבעי בקצב של עד 50 fps לקליפים באורך של עד 10 שניות. המגבלות האלה מתייחסות ל־API של Lightricks, אף שמשקלי LTX-2.5 זמינים גם באופן פתוח ב־Hugging Face. זה עדיין שוט אחד. לא סצנה. לא דקה של חומר גלם ערוך.

הנה התשובה הקצרה לפני הפרטים. כרטיס בנפח 24 GB מרנדר קליפ של 5 שניות ברזולוציה של 720p בתוך דקות בודדות. כרטיס בנפח 12 GB מבצע את אותה עבודה בתוך 20 דקות או יותר, משום שהמשקלים אינם נכנסים לזיכרון הווידאו, והתוכנה מעבירה שכבות הלוך ושוב אל RAM של המערכת. שרת ללא GPU אינו מסוגל לבצע זאת באופן שימושי. אותה אריתמטיקה שהופכת יצירת תמונות באמצעות CPU לאיטית הופכת יצירת וידאו באמצעות CPU לחסרת טעם.

אם כבר קראתם את מדרג החומרה למחולל תמונות באירוח עצמי, וידאו הוא אותו טיעון, כאשר כל מספר עולה בדרגה אחת. VRAM (זיכרון וידאו, כלומר ה־RAM המולחם לצד השבב הגרפי) הוא עדיין המפרט היחיד שקובע אם השימוש יהיה נוח או מייסר.

מדוע עלות הפקת סרטון גבוהה משמעותית מעלות הפקת תמונה

מודל דיפוזיה מייצר תמונה באמצעות הסרת רעש בשלבים, כאשר כל שלב קורא את כל המשקולות במודל. מודל וידאו מבצע פעולה דומה על בלוק שלם של פריימים בבת אחת, ומוסיף מנגנון attention לאורך ציר הזמן, כך שפריים 80 "מודע" לאופן שבו נראה פריים 12. חמש שניות בקצב של 24 פריימים לשנייה הן 120 פריימים ב-batch אחד.

מנגנון ה-temporal attention הזה הוא הסיבה לכך שהעלות אינה גדלה בצורה ליניארית עם אורך הקטע. הכפלת מספר הפריימים מגדילה את צריכת הזיכרון של ה-sampler ביותר מפי שניים, לכן כשל במערכת אינו מתבטא ברינדור איטי יותר, אלא בקריסת הרינדור עצמו.

קיים זינוק נוסף בזיכרון שמשתמשים רבים אינם צופים. לאחר שה-sampler מסיים את עבודתו, ה-VAE (רכיב ה-variational autoencoder, האחראי על הפיכת ה-latent הדחוס לפיקסלים ממשיים) מפענח את כל ה-latent של הווידאו בבת אחת. פענוח זה עלול לדרוש זיכרון רב יותר מאשר תהליך ה-sampling עצמו. התסמין לכך הוא משימה שמציגה סרגל התקדמות מלא, ולאחריו מופיעה השגיאה הבאה:

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 9.31 GiB

הפתרון הוא שימוש ב-tiled decoding או קיצור אורך הקטע. הבנה של איזה שלב חרג ממכסת הזיכרון חוסכת זמן יקר בביצוע כיוונונים שגויים.

כמה VRAM נדרש ליצירת וידאו באמצעות AI

שני נתונים שפורסמו מגדירים את כל תהליך קבלת ההחלטות, והם נראים כסותרים זה את זה. חברת Alibaba מצהירה כי מודל Wan 2.2 TI2V-5B מפיק קטעי וידאו ברזולוציית 720p בקצב של 24 פריימים לשנייה, באורך חמש שניות, בפחות מתשע דקות על גבי GPU צרכני יחיד כגון 4090, והיא ממליצה על לפחות 24 GB של VRAM. התיעוד של ComfyUI מציין כי אותו מודל 5B "אמור להתאים היטב ל-8GB VRAM עם מנגנון ה-offloading המובנה של ComfyUI".

שני הנתונים נכונים כיוון שהם מודדים דברים שונים. 8 GB הם המינימום שבו המודל נכנס לזיכרון. 24 GB הם המצב שבו העבודה נוחה. מנגנון ה-offloading פועל על ידי שמירת רוב המודל ב-RAM של המערכת והזרמת שכבות ל-GPU עבור כל שלב, כך שהכרטיס מבלה את זמנו בהמתנה לאפיק ה-PCIe במקום בביצוע חישובים. את המחיר הזה משלמים בכל שלב של ה-sampler, ולא רק פעם אחת.

[
  {
    "label": "8GB VRAM, heavy offloading",
    "minutes_per_clip": 40
  },
  {
    "label": "12GB VRAM",
    "minutes_per_clip": 22
  },
  {
    "label": "16GB VRAM",
    "minutes_per_clip": 14
  },
  {
    "label": "24GB VRAM, 4090 class",
    "minutes_per_clip": 9
  }
]

רק השורה האחרונה מייצגת נתון של היצרן. כרטיס עם 24 GB מגיע ל-9 דקות לקטע וידאו, וזהו הנתון שפרסמה Alibaba עבור מודל זה. השורות האחרות מראות את ההשפעה של ה-offloading, והן מהוות הערכת סדר גודל ולא תוצאות של benchmark רשמי. העיקרון הוא הצורה: 40 דקות על כרטיס של 8 GB הן טכנית הגדרה עובדת, אך בפועל מדובר במשימת batch שמשאירים לרוץ לאורך כל הלילה.

המודלים הגדולים יותר של Wan 2.2 הם עולם אחר. פקודת ה-inference ל-GPU יחיד של Alibaba עבור גרסאות ה-text-to-video וה-image-to-video של מודל A14B דורשת לפחות 80 GB של VRAM. אין כרטיס צרכני עם כמות זיכרון כזו, לכן הרצת הפקודה כפי שפורסמה דורשת מאיץ מרכז נתונים (data-center accelerator) כגון A100 או H100, או כרטיס תחנת עבודה כגון NVIDIA RTX PRO 6000 Blackwell עם 96 GB. נתון זה שייך לסקריפט של Alibaba, ולא לכל דרך שבה ניתן להריץ את המודלים. טוען ה-VRAM הדינמי של ComfyUI, שתועד במרץ 2026 עבור כרטיסי NVIDIA ב-Windows וב-Linux, ביצע benchmark לשני מודלי ה-14B, בפורמטים fp16 ו-fp8, על גבי RTX 5060 על ידי טעינת משקולות לפי הצורך. הרצות אלו הפיקו 81 פריימים ברזולוציה של 320 על 320, כך שהן מראות שמודלי A14B יכולים להיטען על כרטיס קטן, אך לא שרזולוציית 720p היא מהירה או אפילו מעשית שם. עבור פלט 14B ב-720p בזמן סביר, אירוח עצמי עדיין נוטה להסתכם בהשכרת מאיץ של מישהו אחר לפי שעה. אותה אריתמטיקה תקפה הרבה יותר בתחום הטקסט, שם אירוח עצמי של מודל עם 2.8 טריליון פרמטרים כמו Kimi K3 מפסיק להיות שאלה על כרטיס אחד והופך לשאלה על כמה כרטיסי 80 GB אתם יכולים להרשות לעצמכם לחבר יחד.

עלות יצירת קליפ בשימוש ב-GPU מושכר

עבור רוב המשתמשים, השכרה היא הדרך הנכונה לבחון זאת, שכן כרטיס שתקנו עלול להתברר כחומרה לא מתאימה אם המודל שתבחרו בסופו של דבר דורש 80 GB. להלן המחירים החציוניים לפי דרישה בשוק השכרת ה-GPU, נכון ליולי 2026:

[
  {
    "label": "RTX 4090, 24GB",
    "usd_per_hour": 0.36,
    "usd_per_clip": 0.05
  },
  {
    "label": "A100, 80GB",
    "usd_per_hour": 1.79,
    "usd_per_clip": 0.6
  },
  {
    "label": "H100, 80GB",
    "usd_per_hour": 2.99,
    "usd_per_clip": 0.55
  }
]

השורה של 4090 מריצה את מודל ה-5B בעלות של כ-0.05 דולר לקליפ, בתעריף של 0.36 דולר לשעה. השורות של 80 GB מריצות את מודלי ה-14B, וזו הסיבה שהעלות לקליפ קופצת ל-0.6 דולר, אף שהחומרה עצמה מהירה משמעותית. מודל גדול יותר דורש כוח עיבוד רב יותר לכל שניית וידאו.

חמישה סנט לקליפ נשמעים כמו סכום זניח, אך זהו החלק המטעה. חמש השניות הראשונות שניתן להשתמש בהן לעולם אינן תוצר של רינדור אחד. כתיבת פרומפט למודל וידאו היא תהליך של חיפוש, ועשרים עד ארבעים רינדורים לפני השגת תוצאה ראויה הם דבר שבשגרה עבור שוט עם תנועה ספציפית. לכן, סשן עבודה עולה דולרים ולא סנטים, ועלות של אחר צהריים שלם של איטרציות על חומרה מושכרת שקולה לעלות ארוחת צהריים.

שני פרטים בהשכרה עלולים לעלות לכם כסף רב אם תתעלמו מהם. אתם מחויבים בתשלום בזמן שהשרת מוריד משקולות (weights), והקבצים של Wan 2.2, יחד עם מקודד הטקסט וה-VAE, מגיעים לעשרות גיגה-בייטים; לכן, בחרו ספק המציע נפח אחסון קבוע (persistent volume) והורידו את הקבצים פעם אחת בלבד. כמו כן, אתם מחויבים בתשלום בזמן שהשרת עומד ללא פעילות בעוד סשן ה-SSH שלכם פתוח. עצרו את ה-instance במקום רק לסגור את הטרמינל.

התקנת ComfyUI על שרת עם GPU

התחילו עם Ubuntu 24.04 כאשר מנהל ההתקן של NVIDIA כבר מותקן. בדקו תחילה את מנהל ההתקן, שכן כל כשל מאוחר יותר ייראה זהה ללא בדיקה זו.

nvidia-smi

הפקודה אמורה להציג טבלה עם כרטיס המסך שלכם וגרסת CUDA. אם מופיעה השגיאה NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver, מודול הליבה אינו טעון, מה שקורה בדרך כלל לאחר שדרוג ליבה ללא אתחול (reboot). תקנו זאת כעת. אחרת, ComfyUI יחזור להשתמש ב-CPU ואתם תבזבזו שעה בניסיון לאתר את מקור הבעיה במודל.

sudo apt update
sudo apt install -y git python3-venv python3-pip wget
git clone https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
python3 -m venv venv
. venv/bin/activate
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt

וודאו ש-PyTorch מזהה את הכרטיס לפני הורדת קובץ משקולות (weight) כלשהו.

python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

הפלט True בצירוף שם הכרטיס שלכם מעיד על כך שהסביבה תקינה. הפלט False מציין שהותקנה גרסת ה-wheel המיועדת ל-CPU בלבד, דבר שקורה כאשר pip מוצא גרסת torch שמורה במטמון מהתקנה קודמת. התקינו מחדש באמצעות ה-index URL המצוין לעיל.

הורדת קובצי המודל Wan 2.2

ComfyUI מופץ ללא משקולות (weights), ומודל וידאו אינו מורכב מקובץ אחד בלבד. מדובר במודל דיפוזיה, מקודד טקסט ו־VAE, כאשר כל אחד מהם נדרש להשמה בספרייה הייעודית לו. הצבת קובץ בתיקייה שגויה תגרום לכך שצומת הטעינה (loader node) פשוט לא יציג אותו ברשימה, ללא הודעת שגיאה שתסביר את הסיבה.

cd ~/ComfyUI/models
wget -P diffusion_models https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/diffusion_models/wan2.2_ti2v_5B_fp16.safetensors
wget -P text_encoders https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors
wget -P vae https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/resolve/main/split_files/vae/wan2.2_vae.safetensors

המודל בגרסת 5B מטפל הן בטקסט לווידאו והן בתמונה לווידאו, ולכן הוא נקודת ההתחלה ההגיונית. העדיפו תמיד .safetensors על פני .ckpt. קובץ .ckpt הוא אובייקט Python שעבר סריאליזציה (pickled), ולכן טעינתו מריצה קוד שנכתב על ידי מי שבנה אותו. הקצו שטח דיסק בנדיבות: התקנה תקינה הכוללת משפחת מודלים אחת והפלט שלה דורשת 100 GB, וקובצי וידאו גדולים משמעותית מתמונות PNG שנוצרות בתהליכי עבודה של תמונות. בצעו גיבוי לקובצי ה-JSON של תהליכי העבודה שלכם באמצעות כלי כגון גיבויים מצטברים מוצפנים לאחסון אובייקטים, שכן את המשקולות ניתן להוריד מחדש, אך את תהליכי העבודה המכווננים שלכם לא ניתן לשחזר.

הריצו אותו וגשו אליו בבטחה

cd ~/ComfyUI
. venv/bin/activate
python main.py --listen 127.0.0.1 --port 8188

ל־ComfyUI אין מסך התחברות ואין חשבונות משתמשים. כל מי שיכול להגיע אל הפורט 8188 יכול להכניס משימות לתור ולקרוא כל קטע וידאו שיצרתם. אם תפעילו בהמשך את ComfyUI-Manager, השאלה אם משתמש מרוחק יוכל גם להתקין custom nodes תלויה בהגדרות האבטחה והרשת שלו, ו־custom node מאפשר להריץ קוד שרירותי בשרת. הגדירו אותו להאזנה רק ב־localhost, וגשתו אליו באמצעות מנהרת SSH מהמחשב שלכם.

ssh -N -L 8188:127.0.0.1:8188 you@your-server

לאחר מכן פתחו את http://127.0.0.1:8188 בדפדפן. טענו את תהליך העבודה של תבנית Wan 2.2 מתפריט התבניות של ComfyUI, במקום לחבר את ה־nodes ידנית. התבניות הרשמיות כוללות את הגדרות ה־sampler שאליהן המודל כוונן, ובתהליך עבודה ליצירת וידאו יש הרבה יותר מקומות שבהם ערך עלול להיות שגוי בלי שתבחינו בכך, בהשוואה לתהליך עבודה ליצירת תמונה.

כאשר התשובה הכנה היא להשתמש ב־API

אירוח עצמי של יצירת וידאו הוא הבחירה הנכונה כאשר נפח העבודה גבוה ויציב, כאשר אסור לפריימים לעזוב את התשתית שלכם, או כאשר אתם זקוקים למודל מסוים או ל־adapter מותאם אישית שאין בשירות מתארח. הוא מתאים גם כאשר ה־pipeline חייב לפעול באותה צורה גם בעוד שנה. חלק מהמודלים המתארחים משתנים בלי שתשליטו בכך: Replicate משאיר את המודלים הרשמיים שלו מעודכנים לגרסה האחרונה, ואינו מבקש מכם לבחור גרסה. מודלים אחרים מאפשרים להצמיד גרסה, ובמודלים הקהילתיים של Replicate קוראים באמצעות גרסה מסוימת, לכן בדקו זאת לפני שאתם בונים על מודל כלשהו.

השתמשו ב־API מתארח כאשר אתם זקוקים למספר קטן של קטעים בחודש, כאשר אתם זקוקים לפלט ארוך או גדול יותר מזה שהמודלים הפתוחים מפיקים, או כאשר יש לכם מועד יעד במהלך השבוע הנוכחי. חשבו את נקודת האיזון בכנות. כרטיס בנפח 24 GB, שנשכר מסביב לשעון לפי המחיר החציוני ביולי 2026, עולה בערך 260 דולר בחודש, ורכישת אותו כרטיס עולה יותר מכך מראש, עוד לפני שהפקתם פריים אחד. שרת באירוח עצמי שאינו פעיל מפסיד בכל פעם לתמחור של API לפי קטע. זהו אותו שיקול שמכריע כיצד להגיש מודלי טקסט, כפי שמתואר ב־Ollama לעומת vLLM להגשת LLM באירוח עצמי, והוא נשען על השאלה הבסיסית יותר שב־האם VPS עם GPU בכלל שווה את הכסף.

מה לבדוק כאשר רינדור נכשל

רינדור שנעצר ממש בסוף, לאחר שסרגל הדגימה הושלם, סבל ממחסור בזיכרון במהלך פעולת ה-VAE decode. צמצמו את מספר הפריימים או עברו לשימוש ב-tiled decode node. שינוי מספר הצעדים (steps) לא יועיל, כיוון שהפענוח מתבצע פעם אחת בלבד, לאחר שכל הצעדים כבר הסתיימו.

פלט שחור לחלוטין או משובש בדרך כלל מעיד על כך שה-VAE אינו תואם למודל. מספרי הגרסאות לא יצביעו על הקובץ הנכון: מודל Wan 2.2 TI2V-5B משתמש ב-Wan 2.2 VAE, בעוד שהתצורה הרשמית של Alibaba עבור מודלי Wan 2.2 A14B מציינת את ה-Wan 2.1 VAE. טענו את ה-VAE המצוין בתבנית הרשמית של המודל שלכם.

רינדור שרץ אך נמשך שעות על מכונה שבה מותקן GPU מעיד על כך ש-ComfyUI פועל בנתיב ה-CPU. בדקו את לוג ההפעלה עבור שורת ה-device, ולאחר מכן הריצו שוב את בדיקת ה-torch.cuda.is_available() לעיל.

תהליך שנעלם עם Killed בתוך dmesg ללא traceback של Python, נקטל על ידי ה-kernel בגלל מחסור בזיכרון (OOM killer); מדובר בזיכרון ה-RAM של המערכת, לא ב-VRAM. כמות ה-RAM הנדרשת ל-offloading תלויה בדרך שבה ComfyUI טוען את המשקולות. טוען ה-VRAM הדינמי שלו, הפועל על כרטיסי NVIDIA תחת Linux ו-Windows, ממפה את קובצי המשקולות מהדיסק וטוען אותם לפי הצורך. ComfyUI מצהיר כי הוא מסוגל להריץ מודלים החורגים מנפח ה-RAM הפיזי שלכם, לכן 16 GB של RAM במערכת אינם פוסלים כשלעצמם צורך ב-offloading עבור מודל 5B. גרסאות ישנות יותר, וגרסאות נוכחיות שהופעלו עם --disable-dynamic-vram, משתמשות בשיטת טעינה מבוססת הערכה מוקדמת ועלולות להיתקל במחסור במכונות קטנות. עדכנו את ComfyUI וודאו שהדגל אינו מוגדר. אם ה-killer עדיין מסיים את התהליך, הוסיפו RAM או הוסיפו swap.

FAQ

האם ניתן לייצר וידאו מבוסס AI בשרת VPS ללא GPU?

לא, לא באופן שיהיה שימושי לשימוש חוזר. קליפ של חמש שניות ברזולוציית 720p, שלוקח תשע דקות על גבי GPU עם 24 GB זיכרון, ייקח שעות רבות על גבי CPU. חלק ממעבדי השרתים כוללים יחידות מטריצה מובנות, כגון מעבדי Intel Xeon עם טכנולוגיית AMX, אך קצב העבודה שלהם נמוך משמעותית מזה של GPU, ורוחב הפס של זיכרון ה-RAM במערכת נמוך בסדר גודל מרוחב הפס של זיכרון ה-GPU. שרת מבוסס CPU יכול לארח את ממשק ComfyUI, לאחסן את המודלים ולנהל את תהליכי העבודה, אך הרינדור עצמו מחייב GPU.

כמה VRAM נדרש עבור Wan 2.2?

עבור מודל TI2V-5B, הרף התחתון הוא 8 GB בשימוש ב-offloading המובנה של ComfyUI, בעוד ש-24 GB הוא הנפח המומלץ על ידי Alibaba כדי להגיע למהירויות המוצהרות. עבור מודלי ה-text-to-video וה-image-to-video מסוג A14B, פקודת ה-inference של Alibaba ל-GPU יחיד דורשת לפחות 80 GB של VRAM; המשמעות היא כרטיס מרכז נתונים (data-center) של 80 GB או כרטיס תחנת עבודה של 96 GB, כגון RTX PRO 6000 Blackwell, אם מריצים אותו בתצורה זו. טוען ה-VRAM הדינמי של ComfyUI הצליח להריץ את שני מודלי ה-14B על כרטיס RTX 5060, אך זאת רק בבדיקת ביצועים ברזולוציית 320 על 320. לכן, יש להתייחס לכך כהוכחה לכך שהמודלים נטענים על כרטיס קטן, ולא כנתון מהירות או זיכרון עבור רזולוציית 720p.

מהו האורך המקסימלי של קליפ באירוח עצמי?

נכון ליולי 2026, יחידת העבודה המעשית עבור Wan 2.2 היא כחמש שניות ברזולוציית 720p. חברת Lightricks מתעדת קליפי LTX-2.5 עם אודיו מיוצר באורך של עד 20 שניות ברזולוציות 720p ו-1080p, ועד 10 שניות ברזולוציות 1440p, 4K או בקצב של 48 עד 50 fps. פלט ארוך יותר מיוצר על ידי יצירת מקטעים וחיבורם, תוך שימוש בפריים האחרון של מקטע אחד כפריים הראשון של הבא אחריו. איכות הווידאו עלולה להיפגע בנקודות החיבור, לכן יש להתייחס לווידאו ארוך כאל עבודת עריכה ולא כאל יצירה אחת.

האם השכרת GPU לפי שעה זולה יותר מקניית כרטיס?

השכרה משתלמת יותר לכל היקף עבודה של פחות מכמה שעות רינדור ביום. לפי המחיר החציוני ביולי 2026, העומד על כ-0.36 דולר לשעה עבור כרטיס של 24 GB, ניתן לשכור שרת למשך זמן רב לפני שמגיעים לעלות הרכישה של כרטיס כזה, ובכך נמנעים מרכישת חומרה שעלולה להתברר כלא מתאימה למודלים שבהם תרצו להשתמש בפועל. רכישה משתלמת רק כאשר השרת עמוס ברוב שעות היום, בכל יום.