Self-hosted AI-відео: реальні можливості та ціна
Дізнайтеся, що справді генерують open video models у July 2026: потрібний клас VRAM, вартість 5-секундного 720p-кліпу на rented GPU та коли обрати API.
Що насправді може self-hosted AI-генератор відео
Self-hosted AI-генератор відео вже придатний для роботи, але він повільніший і має менші можливості, ніж показують демонстраційні ролики. Станом на July 2026 відкриті моделі, які варто запускати, — це Wan 2.2 від Alibaba і HunyuanVideo від Tencent, а також LTX-Video від Lightricks, якщо швидкість важливіша за реалістичність. Усі вони працюють у ComfyUI на Linux-машині з NVIDIA GPU. Wan 2.2, модель, яку налаштовує цей посібник, генерує ролик тривалістю приблизно п’ять секунд у 720p. Lightricks наводить більші показники для LTX-2.5, своєї поточної моделі, яка також генерує аудіо: до 20 секунд на один ролик у 720p або 1080p і з частотою 24 або 25 fps, а також native 4K із частотою до 50 fps для роликів тривалістю до 10 секунд. Ці обмеження стосуються власного API Lightricks, хоча weights LTX-2.5 також відкрито опубліковані на Hugging Face. Це все одно один фрагмент. Не сцена. Не хвилина готового відео.
Спочатку коротка відповідь. GPU із 24 GB рендерить ролик тривалістю п’ять секунд у 720p за кілька хвилин. GPU із 12 GB виконує те саме завдання за 20 хвилин або довше, оскільки weights не вміщуються у відеопам’ять, і програмне забезпечення постійно переміщує шари між GPU та системною RAM. Сервер без GPU не може виконувати це у практично придатному режимі. Обчислення, через які генерація зображень на CPU є повільною, роблять генерацію відео на CPU беззмістовною.
Якщо ви вже прочитали про конфігурації обладнання для self-hosted генератора зображень, відео використовує той самий підхід, але всі числові вимоги зміщені на один клас угору. VRAM (відеопам’ять, RAM, розпаяна поруч із графічним чипом) і далі залишається єдиною характеристикою, яка визначає, чи буде робота комфортною, чи проблемною.
Чому одне відео коштує набагато дорожче за одне зображення
Ди diffusion-модель генерує зображення, поступово прибираючи шум на кожному кроці. На кожному кроці вона зчитує всі ваги моделі. Відеомодель робить те саме одночасно для цілого блоку кадрів. Вона також застосовує attention між кадрами в часі, щоб кадр 80 «знав», який вигляд мав кадр 12. П’ять секунд із частотою 24 кадри на секунду — це 120 кадрів в одному batch.
Саме temporal attention не дає витратам пам’яті передбачувано масштабуватися з тривалістю кліпу. Подвоєння кількості кадрів збільшує обсяг пам’яті, потрібний sampler, більш ніж удвічі. Тому проблема проявляється не в повільнішому рендерингу. Рендеринг завершується помилкою.
Є ще один стрибок споживання пам’яті, якого часто не очікують. Після завершення роботи sampler VAE (variational autoencoder, компонент, який перетворює стиснене latent-представлення на звичайні пікселі) декодує все відео з latent-представлення одночасно. Для цього декодування може знадобитися більше пам’яті, ніж для sampling. Ознака проблеми — job показує завершений progress bar, а потім виводить:
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 9.31 GiBРішення — tiled decoding або коротший кліп. Якщо визначити, на якому етапі завершилася доступна пам’ять, можна не витрачати годину на налаштування неправильного параметра.
Скільки VRAM потрібно для генерації відео за допомогою AI
Два опубліковані показники визначають усе рішення, але на перший погляд суперечать один одному. Alibaba зазначає, що модель Wan 2.2 TI2V-5B створює кліпи 720p зі швидкістю 24 кадри на секунду та тривалістю п’ять секунд менш ніж за дев’ять хвилин на одній споживчій GPU, наприклад 4090, і рекомендує щонайменше 24 GB VRAM. У документації ComfyUI зазначено, що та сама модель 5B «має без проблем працювати на 8GB vram з native offloading у ComfyUI».
Обидва твердження правильні, оскільки вимірюють різні речі. 8 GB — це обсяг, за якого модель запускається. 24 GB — це обсяг, за якого вона працює без суттєвих обмежень. Offloading працює так: більша частина моделі зберігається в системній RAM, а шари передаються на GPU для кожного кроку. Тому GPU більшу частину часу очікує на шину PCIe, замість виконання обчислень. Ці витрати виникають на кожному кроці sampler, а не один раз.
Дані, на яких побудовано графік
[
{
"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
}
]Лише останній рядок містить показник від виробника. На карті з 24 GB один кліп створюється за 9 хвилин. Це опублікований Alibaba показник для цієї моделі. Інші рядки показують, як на цей час впливає offloading; це порядок величини, а не результати бенчмарків. Важливий сам масштаб: 40 хвилин на карті з 8 GB — це технічно працездатна конфігурація, але практично це batch job, який доведеться залишити виконуватися на ніч.
З більшими моделями Wan 2.2 ситуація зовсім інша. Власна команда Alibaba для inference на одній GPU для варіантів A14B text-to-video та image-to-video вимагає щонайменше 80 GB VRAM. Жодна споживча карта не має такого обсягу, тому запуск цієї команди в опублікованому вигляді потребує data-center accelerator, наприклад A100 або H100, або workstation card, наприклад NVIDIA RTX PRO 6000 Blackwell із 96 GB. Цей показник стосується скрипту Alibaba, а не кожного способу запуску моделей. Dynamic VRAM loader у ComfyUI, описаний у березні 2026 року для карт NVIDIA у Windows і Linux, протестував обидві моделі 14B experts у fp16 і fp8 на RTX 5060, завантажуючи ваги в міру потреби. У цих запусках використовувалися 81 кадр із роздільною здатністю 320 на 320, тому вони показують, що моделі A14B можна завантажити на невелику карту, але не доводять, що 720p працюватиме швидко або буде практичним. Для створення output 14B у 720p за прийнятний час self-hosting і далі зазвичай означає оренду чужого accelerator погодинно. Та сама арифметика має значно більший масштаб для text-моделей: self-hosting моделі на 2.8 трильйона параметрів, як Kimi K3 перестає бути питанням однієї карти й стає питанням того, скільки карт по 80 GB ви можете дозволити собі об’єднати.
Скільки коштує кліп на орендованому GPU
Оренда — найкращий спосіб протестувати це для більшості користувачів, оскільки придбана відеокарта може виявитися непридатною, якщо потрібній вам моделі знадобиться 80 GB. Медіанні ціни GPU на ринку оренди за запитом станом на July 2026:
Дані, на яких побудовано графік
[
{
"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
}
]Рядок 4090 запускає модель 5B і коштує приблизно 0.05 доларів за кліп за ціни 0.36 доларів за годину. GPU з 80 GB запускають моделі 14B, тому вартість одного кліпу зростає до 0.6 доларів, хоча саме обладнання значно швидше. Що більша модель, то більше обчислень потрібно на кожну секунду відео.
П’ять центів за кліп звучить як незначна сума, але саме це вводить в оману. Перші придатні для використання п’ять секунд ніколи не отримують за один рендер. Створення відео за допомогою моделі — це пошук, і для кадру з конкретним рухом нормально виконати від двадцяти до сорока рендерів, перш ніж отримати вдалий результат. Тому робоча сесія коштує вже долари, а не центи, і кілька годин ітерацій на орендованому обладнанні обходяться приблизно як обід.
Якщо не врахувати два нюанси оренди, вони можуть суттєво збільшити витрати. Оплата нараховується, поки машина завантажує ваги, а файли Wan 2.2 разом із text encoder і VAE займають десятки GB. Тому обирайте провайдера зі persistent volume і завантажте файли один раз. Оплата також нараховується, коли машина простоює з відкритою SSH-сесією. Зупиняйте інстанс, а не лише закривайте термінал.
Встановлення ComfyUI на GPU-сервері
Почніть з Ubuntu 24.04, де драйвер NVIDIA уже встановлено. Спочатку перевірте драйвер, оскільки без цієї перевірки всі подальші помилки виглядають однаково.
nvidia-smiКоманда має вивести таблицю з вашою відеокартою та версією CUDA. Якщо вона виводить NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver, модуль ядра не завантажено. Зазвичай це трапляється після оновлення ядра без перезавантаження. Виправте проблему на цьому етапі. Інакше ComfyUI перейде на використання CPU, і ви витратите годину на пошук проблеми в моделі.
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.txtПереконайтеся, що PyTorch бачить відеокарту, перш ніж завантажувати хоча б один файл ваг.
python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"True разом із назвою вашої відеокарти означає, що стек працює правильно. False означає, що встановлено wheel лише для CPU. Це трапляється, коли pip знаходить у кеші torch із попереднього встановлення. Перевстановіть пакет, використавши наведений вище URL індексу.
Завантажте файли моделі Wan 2.2
ComfyUI не постачається з вагами, а відеомодель складається не з одного файлу. Це diffusion model, text encoder і VAE, кожен із яких потрібно розмістити у власному каталозі. Якщо помістити файл не в ту папку, loader node просто не покаже його у списку й не пояснить причину помилкою.
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.safetensorsМодель 5B підтримує і text-to-video, і image-to-video, тому це оптимальний варіант для початку. Завжди надавайте перевагу .safetensors над .ckpt. Файл .ckpt є серіалізованим об’єктом Python, тому його завантаження запускає код, написаний автором цього файлу. Передбачте достатньо місця на диску: робоча інсталяція з одним сімейством моделей і результатами роботи потребує 100 GB, а відеофайли значно більші за PNG-зображення, які залишає image workflow. Створюйте резервні копії JSON-файлів workflow, наприклад за допомогою зашифрованого інкрементного резервного копіювання в object storage, оскільки ваги можна завантажити повторно, а налаштовані workflow — ні.
Запустіть його та отримуйте до нього безпечний доступ
cd ~/ComfyUI
. venv/bin/activate
python main.py --listen 127.0.0.1 --port 8188У ComfyUI немає екрана входу та облікових записів користувачів. Будь-хто, хто має доступ до порту 8188, може ставити завдання в чергу та читати всі створені вами відеокліпи. Якщо згодом увімкнути ComfyUI-Manager, можливість віддаленого відвідувача встановлювати custom nodes залежить від його налаштувань безпеки та мережі, а custom node може виконувати довільний код на сервері. Прив’яжіть ComfyUI до localhost і підключайтеся до нього через SSH-тунель зі свого комп’ютера.
ssh -N -L 8188:127.0.0.1:8188 you@your-serverПотім відкрийте http://127.0.0.1:8188 у браузері. Завантажте шаблон робочого процесу Wan 2.2 через меню шаблонів ComfyUI, а не з’єднуйте вузли вручну. В офіційних шаблонах містяться параметри sampler, під які налаштовано модель, а у відеоробочому процесі набагато більше місць, де можна непомітно вказати неправильне значення, ніж у робочому процесі для зображень.
Коли чесна відповідь — використовувати API
Self-hosting генерації відео має сенс, коли обсяг стабільно великий, коли кадри не повинні залишати вашу інфраструктуру або коли потрібна конкретна модель чи custom adapter, які не пропонує жоден hosted service. Це також правильний вибір, якщо pipeline має працювати так само і через рік. Деякі hosted models змінюються без вашого контролю: Replicate підтримує свої official models в актуальному стані до останньої версії та не запитує, яку версію використовувати. Інші моделі можна зафіксувати, а community models у Replicate викликаються із зазначенням конкретної версії, тому перевірте це до того, як будувати на такій моделі.
Використовуйте hosted API, якщо вам потрібно кілька кліпів на місяць, якщо потрібен результат, довший або більший за той, який генерують open models, або якщо крайній термін — цього тижня. Чесно розрахуйте точку беззбитковості. Відеокарта на 24 GB, орендована цілодобово за медіанною ціною станом на July 2026, коштує приблизно 260 доларів на місяць, а купівля такої самої карти коштує більше за цю суму одразу — ще до того, як буде згенеровано хоча б один кадр. Неактивний self-hosted сервер щоразу програє тарифікації API за кліп. Це той самий компроміс, який визначає спосіб обслуговування text models і розглядається в Ollama проти vLLM для self-hosted обслуговування LLM, а також наступний за базовим питанням у чи виправдана взагалі вартість VPS із GPU.
Що перевірити, якщо рендеринг завершується помилкою
Якщо рендеринг завершується помилкою в самому кінці після завершення смуги sampler, у VAE decode не вистачило пам’яті. Зменште кількість кадрів або перейдіть на вузол tiled decode. Зміна кількості кроків не допоможе, оскільки decode виконується один раз після завершення всіх кроків.
Повністю чорний або сильно спотворений результат зазвичай означає, що VAE не відповідає моделі. Номери версій не покажуть, який файл правильний: модель Wan 2.2 TI2V-5B використовує Wan 2.2 VAE, а власна конфігурація Alibaba для моделей Wan 2.2 A14B визначає Wan 2.1 VAE. Завантажте VAE, указаний в офіційному шаблоні для вашої моделі.
Якщо рендеринг виконується, але на машині, яка точно має GPU, триває годинами, ComfyUI працює через CPU. Перевірте рядок із пристроєм у журналі запуску, а потім повторно виконайте описану вище перевірку torch.cuda.is_available().
Якщо процес зникає з Killed у dmesg без traceback від Python, це означає, що спрацював системний механізм завершення процесів через нестачу пам’яті ядра. Отже, проблема в системній RAM, а не у VRAM. Обсяг RAM, потрібний для offloading, залежить від способу, яким ComfyUI завантажує ваги. Його dynamic VRAM loader, який працює на NVIDIA-картах у Linux і Windows, відображає файли ваг із диска та завантажує їх за потреби. ComfyUI зазначає, що такий режим дає змогу запускати моделі, які перевищують обсяг фізичної RAM. Тому 16 GB системної RAM самі по собі не виключають offloading моделі 5B. Старіші збірки, а також поточні, запущені з --disable-dynamic-vram, використовують попередній режим завантаження на основі оцінки та можуть вичерпати пам’ять на малопотужній машині. Оновіть ComfyUI і перевірте, що цей прапорець не встановлено. Якщо механізм завершення процесів через нестачу пам’яті все одно спрацьовує, додайте RAM або swap.
FAQ
Чи можна генерувати AI-відео на VPS без GPU?
Ні, не в режимі, який ви використовуватимете більше одного разу. П’ятисекундний кліп у 720p, рендеринг якого на GPU з 24 GB займає дев’ять хвилин, на CPU може генеруватися багато годин. Деякі серверні CPU мають вбудовані матричні блоки, наприклад процесори Intel Xeon з AMX, але їхня пропускна здатність набагато нижча, ніж у GPU, а пропускна здатність системної RAM на порядок нижча, ніж у пам’яті GPU. CPU-сервер може розміщувати інтерфейс ComfyUI, зберігати моделі та workflow, але для самого рендерингу потрібен GPU.
Скільки VRAM потрібно для Wan 2.2?
Для моделі TI2V-5B мінімально потрібно 8 GB за використання native offloading у ComfyUI, а для заявленої швидкості Alibaba рекомендує 24 GB. Для текстових моделей A14B і моделей image-to-video команда інференсу Alibaba для одного GPU вимагає щонайменше 80 GB VRAM. Це означає GPU для дата-центру з 80 GB або workstation-карту на 96 GB, наприклад RTX PRO 6000 Blackwell, якщо запускати модель у такому режимі. Dynamic VRAM loader у ComfyUI запускав обидві моделі-експерти 14B на RTX 5060, але лише в тесті 320 на 320. Тому це підтверджує, що моделі завантажуються на GPU з малою пам’яттю, але не є показником швидкості чи використання пам’яті для 720p.
Якої тривалості може бути self-hosted кліп?
Для Wan 2.2 практичним базовим значенням станом на July 2026 є приблизно п’ять секунд у 720p. Lightricks документує кліпи LTX-2.5 зі згенерованим аудіо тривалістю до 20 секунд у 720p і 1080p та до 10 секунд у 1440p, 4K або за частоти 48–50 fps. Довший результат отримують генерацією сегментів і їхнім об’єднанням: останній кадр одного сегмента використовують як перший кадр наступного. Якість під час стиків погіршується, тому довге відео слід розглядати як завдання монтажу, а не як одну генерацію.
Чи дешевше орендувати GPU погодинно, ніж купити карту?
Оренда вигідніша, якщо рендеринг триває менше кількох годин на день. За медіанною ціною станом на July 2026 — приблизно 0.36 долара за годину для карти з 24 GB — можна довго орендувати GPU, перш ніж витрати зрівняються з ціною такої карти. Також не доведеться купувати обладнання, яке виявиться невідповідним для потрібної моделі. Купівля вигідна лише тоді, коли сервер працює більшу частину дня, щодня.