Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Générez des vidéos à partir de messages texte avec Wan2.2 Deadline Cloud Le [ job bundle ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/wan22_video_generation) wan22\_video\_generation du GitHub site Web génère de courts clips vidéo à partir d'une invite de texte en utilisant un modèle de génération vidéo Wan2.2 ouvert. Chaque tâche génère un clip indépendant avec sa propre source, de sorte qu'une seule tâche se répartit entre les travailleurs et renvoie un ensemble de variantes sur la même invite. Le faisceau fait passer le Wan2.2 TI2V-5B point de contrôle à travers les diffuseurs`WanPipeline`. Les employés extraient les poids de Hugging Face au moment de l'exécution et les mettent en cache, préférant le volume persistant de la flotte afin que les travailleurs puissent réutiliser le téléchargement ultérieurement. Aucun jeton Hugging Face n'est requis car les Wan2.2 référentiels ne sont pas verrouillés. Pour le modèle lui-même, consultez le [ Wan2.2 référentiel ](https://github.com/Wan-Video/Wan2.2) sur le GitHub site Web. Le bundle nécessite une batterie de serveurs avec une file d'attente GPU-enabled Linux. Les employés doivent disposer d'un processeur graphique NVIDIA (24 Go de VRAM minimum), de 64 Go de mémoire système et d'au moins 60 Go de disque libre pour le cache du modèle. Sur les cartes de 24 Go, le script active le déchargement séquentiel du processeur et le tuilage VAE afin de s'adapter au modèle ; les cartes plus grandes fonctionnent beaucoup plus rapidement. Soumettez une tâche qui génère quatre variantes d'une invite : ``` deadline bundle submit ./wan22_video_generation \ --queue-id {{gpu-queue-id}} \ -p Prompt="A hot air balloon drifting over terraced rice fields at dawn" \ -p NumClips=4 \ -p OutputDir=~/wan22_output ``` Le README décrit l'ensemble complet des paramètres, y compris les contraintes de résolution et de nombre d'images, les réglages de test de fumée plus rapides et les temps de génération mesurés. Pour des exemples d'IA générative connexes, consultez [Générez des images par lots avec un modèle de diffusion sur Deadline Cloud](examples-jb-text-to-image-batch.md) et[Entraînez-vous et utilisez un FLUX.2 Klein LoRa sur Deadline Cloud](examples-jb-flux-lora.md). Pour la configuration de volumes persistants, consultez la documentation sur le stockage de flotte liée au fichier README.