Self-hosted ИИ-генераторы видео: реальные возможности 2026

На что на самом деле способен self-hosted ИИ-генератор видео

Self-hosted ИИ-генератор видео работает уже сегодня, но он медленнее и скромнее, чем показывают демонстрационные ролики. По состоянию на июль 2026 года среди открытых моделей, пригодных для запуска, стоит выделить Wan 2.2 от Alibaba и HunyuanVideo от Tencent, а также LTX-Video от Lightricks, если скорость важнее реалистичности. Все они работают в среде ComfyUI на Linux-машине с GPU NVIDIA. С моделью Wan 2.2, которую мы настраиваем в этом руководстве, вы получите клип длительностью около пяти секунд в разрешении 720p. Lightricks заявляет более высокие показатели для своей текущей модели LTX-2.5, которая также генерирует аудио: до 20 секунд на клип в 720p или 1080p при 24 или 25 fps, а также нативное 4K до 50 fps для клипов длительностью до 10 секунд. Эти ограничения относятся к собственному API Lightricks, хотя веса LTX-2.5 также опубликованы в открытом доступе на Hugging Face. Это всё ещё один кадр. Не сцена. Не минута готового видеоряда.

Вот краткий ответ перед подробностями. Карта с 24 GB VRAM рендерит пятисекундный клип в 720p за несколько минут. Карта с 12 GB выполняет ту же задачу за двадцать минут или дольше, так как веса не помещаются в видеопамять и программное обеспечение постоянно перемещает слои между GPU и системной RAM. Сервер без GPU не может выполнять эту задачу сколько-нибудь эффективно. Арифметика, из-за которой генерация изображений на CPU была медленной, делает генерацию видео на CPU бессмысленной.

Если вы уже читали иерархию оборудования для self-hosted генератора изображений, то в случае с видео аргументация та же, но все требования сдвинуты на один класс выше. VRAM (видеопамять, распаянная рядом с графическим чипом) по-прежнему остаётся единственной характеристикой, определяющей, будет ли этот процесс приносить удовольствие или станет мучением.

Почему одно видео стоит значительно дороже одного изображения

Диффузионная модель генерирует изображение путем пошагового удаления шума, при этом на каждом шаге считываются все веса модели. Видеомодель выполняет те же действия для целого блока кадров одновременно, добавляя механизм внимания по временной шкале, чтобы 80-й кадр «знал», как выглядел 12-й. Пять секунд при 24 кадрах в секунду — это 120 кадров в одном пакете.

Именно из-за этого временного внимания стоимость не растет линейно вместе с длительностью клипа. Удвоение количества кадров более чем в два раза увеличивает объем памяти, необходимый сэмплеру, поэтому ошибка проявляется не в замедлении рендеринга, а в его аварийном завершении.

Существует второй скачок потребления памяти, который часто становится неожиданностью. После завершения работы сэмплера VAE (вариационный автокодировщик, компонент, преобразующий сжатое латентное представление в реальные пиксели) декодирует всё латентное видео целиком. Это декодирование может потребовать больше памяти, чем сам процесс сэмплирования. Симптомом является задача, которая показывает заполненную шкалу прогресса, а затем выводит следующее сообщение:

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

Решением является тайловое декодирование (tiled decoding) или сокращение длительности клипа. Понимание того, на каком этапе закончилась память, избавит вас от бесполезной настройки параметров в течение часа.

Сколько видеопамяти (VRAM) нужно для генерации видео с помощью ИИ

Две опубликованные цифры определяют весь выбор, и на первый взгляд они противоречат друг другу. Alibaba заявляет, что модель Wan 2.2 TI2V-5B создает 720p-клипы с частотой 24 кадра в секунду длительностью пять секунд менее чем за девять минут на одном потребительском GPU, таком как 4090, и рекомендует минимум 24 GB VRAM. В документации ComfyUI указано, что та же модель 5B «должна хорошо помещаться в 8 GB VRAM при использовании встроенного механизма выгрузки (offloading) ComfyUI».

Оба утверждения верны, так как они измеряют разные вещи. 8 GB — это предел, при котором модель помещается в память. 24 GB — это комфортный объем. Выгрузка работает за счет удержания большей части модели в оперативной памяти системы и последовательной передачи слоев в GPU на каждом шаге, поэтому видеокарта тратит время на ожидание данных по шине PCIe, а не на вычисления. Вы платите эту цену на каждом шаге сэмплера, а не один раз.

[
  {
    "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
  }
]

Только последняя строка содержит данные от производителя. Карта с 24 GB показывает результат 9 минут на клип, что соответствует опубликованным Alibaba цифрам для этой модели. Остальные строки показывают влияние выгрузки, и это скорее порядковые оценки, чем результаты бенчмарков. Важна сама тенденция: 40 минут на карте с 8 GB — это технически рабочая конфигурация, но на практике это пакетное задание, которое вы оставляете выполняться на всю ночь.

Более крупные модели Wan 2.2 — это другой уровень. Собственная команда Alibaba для запуска инференса на одном GPU для вариантов A14B (text-to-video и image-to-video) требует минимум 80 GB VRAM. Ни одна потребительская карта не обладает таким объемом, поэтому выполнение этой команды в исходном виде требует ускорителя уровня дата-центра, такого как A100 или H100, либо рабочей станции с картой вроде NVIDIA RTX PRO 6000 Blackwell на 96 GB. Эта цифра относится к скрипту Alibaba, а не ко всем способам запуска моделей. Динамический загрузчик VRAM в ComfyUI, задокументированный в марте 2026 года для карт NVIDIA под Windows и Linux, позволил протестировать обе модели 14B в форматах fp16 и fp8 на RTX 5060 путем загрузки весов по мере необходимости. Эти запуски выполнялись для 81 кадра в разрешении 320 на 320, поэтому они доказывают, что модели A14B могут загрузиться на слабой карте, но не то, что генерация в 720p будет быстрой или хотя бы практичной. Для получения результата 14B в 720p за разумное время самостоятельный хостинг по-прежнему чаще означает аренду чужого ускорителя с почасовой оплатой. Та же арифметика работает иначе в области текстовых моделей, где самостоятельный хостинг модели на 2.8 триллиона параметров, такой как Kimi K3, перестает быть вопросом об одной карте и становится вопросом о том, сколько карт по 80 GB вы можете позволить себе объединить.

Стоимость обработки клипа на арендованном GPU

Аренда — оптимальный способ тестирования для большинства пользователей, так как купленная видеокарта может оказаться неподходящей, если выбранная модель потребует 80 GB видеопамяти. Медианные цены по запросу на рынке аренды GPU по состоянию на июль 2026 года:

[
  {
    "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
  }
]

Строка 4090 соответствует запуску модели 5B и стоит около 0.05 долларов за клип при цене 0.36 долларов в час. Строки с 80 GB соответствуют запуску моделей 14B, поэтому стоимость за клип возрастает до 0.6 долларов, несмотря на то, что само оборудование работает значительно быстрее. Больше модель — больше вычислительных ресурсов на секунду видео.

Пять центов за клип кажутся незначительной суммой, но это обманчивое впечатление. Первые пригодные для использования пять секунд никогда не получаются с одного рендера. Работа с видеомоделью — это процесс поиска, и двадцать-сорок итераций перед получением удачного результата для кадра со специфическим движением — это норма. Таким образом, рабочая сессия обходится в доллары, а не в центы, и день итераций на арендованном оборудовании стоит примерно как обед.

Два нюанса аренды могут привести к реальным расходам, если их упустить. Тарификация идет во время загрузки весов, а файлы Wan 2.2 вместе с текстовым энкодером и VAE занимают десятки гигабайт, поэтому выбирайте провайдера с постоянным хранилищем (persistent volume) и скачивайте данные один раз. Также тарификация продолжается, пока сервер простаивает с открытой SSH-сессией. Останавливайте инстанс, а не просто закрывайте терминал.

Установка ComfyUI на сервер с GPU

Начните с Ubuntu 24.04 с уже установленным драйвером NVIDIA. Сначала проверьте драйвер, так как без этой проверки любая последующая ошибка будет выглядеть одинаково.

nvidia-smi

Эта команда должна вывести таблицу с вашей видеокартой и версией CUDA. Если выводится NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver, значит, модуль ядра не загружен; обычно это происходит после обновления ядра без перезагрузки. Исправьте это на данном этапе. В противном случае ComfyUI переключится на использование CPU, и вы потратите час, пытаясь понять, почему модель работает медленно.

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

Убедитесь, что PyTorch видит видеокарту, прежде чем скачивать файлы весов.

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

True вместе с названием вашей карты означает, что стек работает корректно. False означает, что установлена версия библиотеки только для CPU; это случается, если pip находит кэшированный torch от предыдущей установки. Переустановите библиотеку, используя указанный выше index URL.

Загрузка файлов модели Wan 2.2

В ComfyUI нет встроенных весов, а видеомодель не состоит из одного файла. Это диффузионная модель, текстовый энкодер и VAE, каждый из которых размещается в своей директории. Если поместить файл не в ту папку, узел загрузчика просто не отобразит его в списке, не выдав при этом никакой ошибки.

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

Модель 5B поддерживает как преобразование текста в видео, так и изображения в видео, поэтому она является оптимальной отправной точкой. Всегда отдавайте предпочтение .safetensors перед .ckpt. Файл .ckpt представляет собой сериализованный объект Python (pickle), поэтому его загрузка запускает код, написанный автором файла. Выделите достаточно места на диске: для рабочей установки с одним семейством моделей и результатами их работы требуется 100 GB, а видеофайлы значительно больше, чем PNG-изображения, остающиеся после обработки статических изображений. Создавайте резервные копии своих JSON-файлов рабочих процессов с помощью инструментов, обеспечивающих шифрованное инкрементальное резервное копирование в объектное хранилище, так как веса можно скачать повторно, а настроенные рабочие процессы — нет.

Запуск и обеспечение безопасности

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

В ComfyUI нет экрана входа или системы учетных записей. Любой, кто имеет доступ к порту 8188, может ставить задачи в очередь и просматривать все созданные вами клипы. Если вы в дальнейшем включите ComfyUI-Manager, возможность удаленного пользователя устанавливать собственные узлы (custom nodes) будет зависеть от настроек безопасности и сети, а любой такой узел — это выполнение произвольного кода на вашем сервере. Привяжите сервис к localhost и подключайтесь к нему через SSH-туннель с вашего локального компьютера.

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

Затем откройте http://127.0.0.1:8188 в браузере. Загрузите шаблон рабочего процесса Wan 2.2 из меню шаблонов ComfyUI, вместо того чтобы соединять узлы вручную. Официальные шаблоны содержат настройки сэмплера, под которые была оптимизирована модель; в рабочем процессе для видео гораздо больше параметров, которые можно случайно настроить неверно, чем в процессе для изображений.

Когда честный ответ — использовать API

Самостоятельный хостинг генерации видео оправдан при больших и стабильных объемах, когда кадры не должны покидать вашу инфраструктуру, или когда вам требуется специфическая модель или пользовательский адаптер, который не предлагает ни один облачный сервис. Это также верное решение, если конвейер обработки должен работать точно так же через год. Некоторые облачные модели меняются без вашего ведома: Replicate обновляет свои официальные модели до последней версии и не спрашивает вашего согласия. Другие модели можно зафиксировать, а модели сообщества Replicate вызываются с указанием конкретной версии, поэтому проверяйте это перед тем, как строить на них свою систему.

Используйте облачный API, если вам нужно несколько клипов в месяц, если требуется вывод большей длительности или разрешения, чем могут обеспечить открытые модели, или если у вас жесткие сроки на этой неделе. Честно оцените точку безубыточности. Аренда карты с 24 GB видеопамяти круглосуточно по медианной цене июля 2026 года составляет примерно 260 долларов в месяц, а покупка такой же карты требует больших первоначальных затрат еще до генерации первого кадра. Простаивающий сервер для самостоятельного хостинга всегда проигрывает оплате за каждый клип через API. Это тот же выбор, который определяет способ обслуживания текстовых моделей, описанный в Ollama против vLLM для самостоятельного хостинга LLM, и он базируется на более фундаментальном вопросе, рассмотренном в стоит ли вообще арендовать VPS с GPU.

Что проверить при сбое рендеринга

Если рендеринг прерывается в самом конце, после завершения работы полосы сэмплера, значит, не хватило памяти при декодировании VAE. Уменьшите количество кадров или переключитесь на узел tiled decode. Изменение количества шагов не поможет, так как декодирование выполняется один раз, уже после завершения всех шагов.

Результат в виде сплошного черного цвета или сильных искажений обычно означает, что VAE не соответствует модели. Номера версий не помогут определить нужный файл: модель Wan 2.2 TI2V-5B использует VAE от Wan 2.2, в то время как официальная конфигурация Alibaba для моделей Wan 2.2 A14B требует VAE от Wan 2.1. Загружайте тот VAE, который указан в официальном шаблоне для вашей модели.

Если рендеринг выполняется, но занимает часы на машине, где точно есть GPU, значит, ComfyUI работает через CPU. Проверьте лог запуска на наличие строки с устройством, затем повторно выполните проверку torch.cuda.is_available(), описанную выше.

Если процесс исчезает с Killed в dmesg без трассировки Python, значит, сработал механизм kernel out-of-memory killer; проблема в системной оперативной памяти, а не в VRAM. Объем необходимого выгрузки (offloading) в RAM зависит от того, как ComfyUI загружает веса. Динамический загрузчик VRAM, работающий на картах NVIDIA в Linux и Windows, отображает файлы весов с диска и загружает их по мере необходимости. ComfyUI заявляет, что может запускать модели, размер которых превышает объем физической RAM, поэтому 16 GB оперативной памяти сами по себе не исключают необходимость выгрузки для модели 5B. Более старые сборки, а также текущие, запущенные с --disable-dynamic-vram, используют прежний метод загрузки на основе оценок и могут привести к нехватке ресурсов на слабых машинах. Обновите ComfyUI и убедитесь, что этот флаг не установлен. Если процесс всё равно завершается принудительно, добавьте RAM или увеличьте файл подкачки (swap).

FAQ

Можно ли генерировать AI-видео на VPS без GPU?

Нет, это нецелесообразно для регулярного использования. Пятисекундный ролик в разрешении 720p, который на GPU с 24 GB VRAM рендерится девять минут, на CPU будет обрабатываться много часов. Некоторые серверные CPU оснащены встроенными матричными блоками, например процессоры Intel Xeon с поддержкой AMX, но их пропускная способность значительно ниже, чем у GPU, а пропускная способность системной оперативной памяти на порядок ниже пропускной способности видеопамяти. Сервер с CPU может выступать хостом для интерфейса ComfyUI, хранить модели и рабочие процессы, но для самого рендеринга необходим GPU.

Сколько VRAM нужно для Wan 2.2?

Для модели TI2V-5B минимальным порогом является 8 GB при использовании нативного offloading в ComfyUI, а 24 GB — это объем, рекомендованный Alibaba для достижения заявленной скорости. Для моделей A14B (text-to-video и image-to-video) команда для инференса на одном GPU от Alibaba требует минимум 80 GB VRAM. Это означает использование дата-центровой карты на 80 GB или рабочей станции с картой на 96 GB, такой как RTX PRO 6000 Blackwell, если вы запускаете модель именно так. Динамический загрузчик VRAM в ComfyUI позволял запустить обе модели 14B на RTX 5060, но только в бенчмарке с разрешением 320 на 320. Рассматривайте это как доказательство того, что модели загружаются на карту с малым объемом памяти, а не как показатель скорости или требований к памяти для разрешения 720p.

Какой длины может быть ролик при self-hosted генерации?

Для Wan 2.2 практическим стандартом по состоянию на июль 2026 года являются ролики длительностью около пяти секунд в разрешении 720p. Lightricks заявляет для LTX-2.5 возможность создания клипов с аудио до 20 секунд в разрешении 720p и 1080p, и до 10 секунд в разрешении 1440p, 4K или при 48–50 fps. Более длинные видео создаются путем генерации отдельных сегментов и их последующего объединения, при котором последний кадр одного сегмента используется как первый кадр следующего. Качество при склейке может снижаться, поэтому воспринимайте создание длинного видео как задачу по монтажу, а не как результат одной генерации.

Дешевле ли арендовать GPU по часам, чем покупать карту?

Аренда выгоднее, если рендеринг занимает менее нескольких часов в день. При медианной цене на июль 2026 года около 0.36 доллара в час за карту с 24 GB, вы можете арендовать оборудование очень долго, прежде чем затраты сравняются со стоимостью покупки такой карты. Кроме того, вы избегаете риска покупки оборудования, которое окажется неподходящим для моделей, которые вы действительно хотите использовать. Покупка выгодна только в том случае, если сервер загружен работой большую часть дня ежедневно.