As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Gere vídeos a partir de solicitações de texto com o Wan2.2 Deadline Cloud O pacote de [ tarefas ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/wan22_video_generation) wan22\_video\_generation no GitHub site gera videoclipes curtos a partir de um prompt de texto usando Wan2.2 um modelo aberto de geração de vídeo. Cada tarefa renderiza um clipe independente com sua própria semente, de modo que um único trabalho se espalhe entre os trabalhadores e retorne um conjunto de variações no mesmo prompt. O pacote percorre o Wan2.2 TI2V-5B ponto de verificação através dos difusores. `WanPipeline` Os trabalhadores retiram os pesos do Hugging Face em tempo de execução e os armazenam em cache, preferindo o volume persistente da frota para que os trabalhadores posteriores reutilizem o download. Nenhum token Hugging Face é necessário porque os Wan2.2 repositórios não estão bloqueados. Para o modelo em si, consulte o [ Wan2.2 repositório ](https://github.com/Wan-Video/Wan2.2) no GitHub site. O pacote requer uma fazenda com uma fila GPU-enabled Linux. Os funcionários devem ter uma GPU NVIDIA (mínimo de 24 GB de VRAM), 64 GiB de memória de sistema e pelo menos 60 GiB de disco livre para o cache do modelo. Em placas de 24 GB, o script ativa o descarregamento sequencial da CPU e o armazenamento em blocos do VAE para que o modelo se ajuste; placas maiores funcionam consideravelmente mais rápido. Envie um trabalho que gere quatro variações de um prompt: ``` 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 ``` O README descreve o conjunto completo de parâmetros, incluindo restrições de resolução e contagem de quadros, configurações de teste de fumaça mais rápidas e tempos de geração medidos. Para exemplos relacionados de IA generativa, consulte [Gere imagens em lote com um modelo de difusão no Deadline Cloud](examples-jb-text-to-image-batch.md) e. [Treine e use um FLUX.2 Klein LoRa no Deadline Cloud](examples-jb-flux-lora.md) Para uma configuração de volume persistente, consulte a documentação de armazenamento da frota vinculada ao README.