本文核查 MattVidPro AI 频道 2024 年 1 月 25 日发布的教程《How to generate AI Videos Locally on your Computer》(14 分 35 秒,Gigabyte 赞助)。原片演示用 Pinokio 一键安装 Stable Video Diffusion(SVD),在 RTX 4080 笔记本(12GB 显存)上本地生成视频。两年过去,片中的硬件门槛部分仍然成立,但工具链已经整体换代——本文按 2026 年 10 月的官方文档与模型权重现状逐条核对,过时的标过时,不替原片圆场。
本地 AI 视频生成现在还能不能照这条教程做?直接回答:硬件门槛(8GB 显存起步、NVIDIA 为主)今天依然成立,但片中的具体路径(Pinokio 装 SVD、图生视频、1 秒 6 帧)已经没人这么用了。现行主流是 ComfyUI 加新一代开放权重模型(Wan 2.2、HunyuanVideo 1.5、LTX-2.5),同一张消费级显卡能出 5-20 秒、24-50 帧、带音轨的片子。
📋 速览:原片主张逐条判定
| 原片主张 | 判定 | 2026 年 10 月现状 |
|---|---|---|
| 8GB 以上显存就有很大机会跑起来 | ✅ 仍成立 | Wan 2.2 TI2V-5B 官方口径 6-8GB;HunyuanVideo 1.5 社区 GGUF 版 8-12GB;LTX-2.5 自 12GB 起 |
| 完全免费,可商用 | ⚠️ 部分成立 | 权重免费属实,但许可分化:Wan 2.2 是 Apache 2.0 随便用;LTX-2.5 限年营收 1,000 万美元以下;MiniMax H3 许可排除美国/欧盟/英国/韩国 |
| Pinokio 一键安装,像装普通软件一样简单 | ❌ 已过时 | 本地视频生成的主流入口已转为 ComfyUI 官方模板(2025 年 7 月 28 日官方集成 Wan 2.2);Pinokio 里的 SVD 脚本对应的模型本身已淘汰 |
| 输出 1 秒、6 帧/秒的图生视频 | ❌ 已过时 | 现行开放权重普遍 5-20 秒、24-50 帧,LTX-2.5 还能一次出片带 24kHz 立体声 |
| 只支持 NVIDIA,AMD 不行 | ⚠️ 基本仍成立 | 消费级本地视频生成仍以 NVIDIA + CUDA 为主;GGUF 量化加 CPU offload 能把 14B 模型压进 6GB 卡,但速度只够学习,不够生产 |
| 本地比服务器慢,这是最大缺点 | ✅ 仍成立 | 云端 A6000(48GB)约 0.35 美元/小时,一条 480p 短片成本 0.02-0.03 美元,本地慢的问题可以用按小时租卡绕开 |
🧩 原片的方案与当时的合理性
先把公允的话说了:2024 年初,这条教程是最优解之一。Stable Video Diffusion 是 Stability AI 2023 年 11 月发布的图生视频模型,SVD XT 版 25 帧,在当时是消费级显卡上唯一能跑的像样选择。Pinokio 把 Python 环境、依赖、模型下载打包成一键脚本,不会命令行也能一路点到底。
原片的演示没有藏拙:生成的青蛙视频只有 1 秒,猫的水花视频动作方向不符合预期,人物基本静止只有背景火焰在动。这些短板不是操作问题,是 SVD 这个模型本身的能力上限——它只能让一张图「轻微动起来」,不能按文字生成新内容。
✅ 两年后仍成立的三条
第一,8GB 显存门槛。原片说「专用显存 8GB 或以上,就有很大机会跑起来」。这个判断在今天反而更稳了:Wan 2.2 的 TI2V-5B 变体官方运行口径就是 6-8GB 显存,HunyuanVideo 1.5 的社区 GGUF 量化版把地板压到 8-12GB。门槛没升,能跑的东西却强了一个代际。
第二,消费级硬件可行。原片用一台 RTX 4080 游戏本(12GB)完成了全部录制和生成。今天的甜点卡是 24GB 的 RTX 4090:Wan 2.2 的 14B 模型在上面能以 FP8 跑 480p、GGUF Q5 跑 720p;HunyuanVideo 1.5 的蒸馏版在单张 4090 上约 75 秒渲染一条片子。不需要服务器级硬件这条结论,两年没被动摇。
第三,本地就是比服务器慢。原片承认这是「最大缺点」。现状没变,但解法多了:不想买卡可以按小时租云端 A6000(48GB,约 0.35 美元/小时),不想管显卡就直接调 API。慢不再是单选题。
⚠️ 已经过时的四条
SVD 模型本身。这是最根本的一条。SVD 只支持图生视频、输出 1-2 秒,而 2025 年 2 月起 Wan 2.1 就把开放权重带进了文字生视频时代。今天没有任何严肃场景还推荐新用户装 SVD——它不是「旧版」,是上一代范式。
1 秒 6 帧的输出规格。原片靠调低帧率(6fps)换取「看起来更长」的视频。现行模型的默认值是 24 帧起步:LTX-2.5 能到 4K 50 帧、单段最长 20 秒,还自带 24kHz 立体声音轨——「音画一次出片」在 2024 年初的本地方案里根本不存在。
只有图生视频一种玩法。原片的全流程是「找一张图→让它动」。现在开放权重覆盖文字生视频、图生视频、首尾帧插值(FLF2V)、音频驱动说话(S2V)四种模式,Wan 2.2 一个模型全包。
Pinokio 一键装这条路径。Pinokio 本身没死,但本地视频生成的主力入口已经是 ComfyUI:阿里发布 Wan 2.2 当天(2025 年 7 月 28 日)就被 ComfyUI 官方集成,官方文档直接给出文字生视频、图生视频、首尾帧三套模板。新用户照原片去 Pinokio 里点 SVD,装完就落后两代。
🆕 现在本地跑视频生成的主流模型
下表按 2026 年 10 月的官方口径整理,显存数字均为「能跑出可用质量」的下限,不是「能启动」的下限。
| 模型 | 规模 | 显存下限 | 许可要点 | 一句话定位 |
|---|---|---|---|---|
| Wan 2.2(阿里) | MoE 27B/激活 14B;另有 TI2V-5B | 5B 版 6-8GB;14B 版 24GB+(4090 可 FP8 480p) | Apache 2.0,商用无限制 | 许可最干净、生态最全,本地首选 |
| HunyuanVideo 1.5(腾讯) | 8.3B | FP8 约 14GB;GGUF 8-12GB | 腾讯社区许可,月活 1 亿以下可商用 | 单卡消费级 GPU 上运动质量最好,蒸馏版 4090 约 75 秒一条 |
| LTX-2.5(Lightricks) | 22B | 12GB 起 | 年营收 1,000 万美元以下免费 | 唯一原生带音轨,4K 最长 20 秒 |
| MiniMax H3 | 33B | 见实测 | 开放权重里榜位最高(Artificial Analysis 第 4),但许可排除美国/欧盟/英国/韩国;澳洲用户不在排除区 | 站内做过 8GB 显存本地跑视频模型的实测,含三种安装路径与合规红线 |
| MAGI-2 Preview(Sand.ai) | 未公开 | 需 8 卡 Hopper 节点 | Apache 2.0 | 榜位好看但硬件门槛与普通用户无关 |
两个提醒。其一,Wan 2.5、2.6、3.0 都已转为纯 API 发布、权重不再公开——想在本地跑,Wan 2.2 就是 Wan 系的天花板,短期内不用等新版权重。其二,开放权重不等于永远在架上:站内核查过 权重说撤就撤的先例,14B 主模型说没就没,下载到本地并留好校验值才算真正拥有。
💰 本地、云卡、API 三笔账
本地:一次性成本是显卡。24GB 的 4090 是甜点,能覆盖上表前三行的全部玩法;6-8GB 小卡靠 GGUF 加 CPU offload 也能启动 14B,但生成慢到只适合做学习实验。电费可忽略,折旧是大头。
云卡:A6000(48GB)约 0.35 美元/小时,模型下载走机房带宽,14B 全套 10 分钟内拉完;一条 480p 短片的算力成本约 0.02-0.03 美元。一个月做几十条片子,租卡比买卡划算。
API:榜一 Wan 3.0 只走 API,按秒计费 0.05-0.20 美元(480p-1080p 分档),30 秒长片、原生音轨、最多 20 张参考图。按量算,一条 10 秒 1080p 约 2 美元——量大就贵,但省掉全部运维。本地权重与 API 的分界线很清楚:要改参数、要私有、要批量,回本地;要榜一质量和 30 秒长片,付 API。
✅ 可采纳 / ❌ 不可照抄
可采纳:显存 8GB 起步的自查方法(任务管理器→性能→GPU→专用显存)今天照用;「先确认显卡再谈安装」的顺序不变;免费权重加消费级硬件的路线本身成立且比两年前更强。
不可照抄:不要再装 SVD;不要期待 1 秒图生视频之外的产出就来自那套流程;不要用原片的帧率换时长技巧——新模型默认 24 帧,不需要这种妥协;装入口选 ComfyUI 官方模板,不选第三方一键脚本里的旧模型。
📌 免责与边界
本文信息整理自公开内容,工具价格、显存需求与许可条款以各官方页面为准;模型榜位以周为单位变动,大额采购或商用部署前请重新核对。硬件价格波动大,文中成本均为 2026 年 10 月快照。本文不构成采购建议。
📚 参考来源
- MattVidPro AI:How to generate AI Videos Locally on your Computer(2024-01-25,youtube.com/watch?v=qV99R4WZexA)
- GitHub - Wan-Video/Wan2.2(含 2025-07-28 ComfyUI 官方集成说明与 24GB/80GB 显存运行口径)
- GitHub - Tencent-Hunyuan/HunyuanVideo-1.5(8.3B 参数与许可条款)
- GitHub - Lightricks/LTX-2(4K 音画同出与营收许可线)
- Hugging Face - MiniMaxAI/MiniMax-H3(许可排除地区清单)
- pinggy.io《Best Video Generation AI Models in 2026》(2026-10-02 更新的对比表与 Artificial Analysis 榜位)
- Thunder Compute《Wan 2.2 ComfyUI 指南》(2026 年 10 月,云卡时租与单条成本)