一、前言
文生视频最难的不是“好看”，而是“动得大、动得准、动得不崩”。本篇用 Wan2.2 14B T2V + FP8/GGUF + Block Swap，在 V100 16G 上跑通大幅度复杂运动。
二、开篇：为什么“复杂运动”是 T2V 的分水岭
影视级美学：构图、光线、色调、材质——Wan2.2 已经能打
但用户真正想要的是：
人物奔跑→起跳→转身→落地
武术连招、街舞 power move、镜头环绕追拍
多物体交互：扔东西、开门、翻滚、碰撞
T2V 常见翻车：
动作像“飘”
肢体扭曲
镜头动了但人没动
大动作后画面糊掉
14B 模型直接 OOM
结论：复杂运动 = 提示词结构 + 采样策略 + 参考约束 + 低显存工程，四件事一起做。
三、硬件与现实边界：V100 16G 跑 Wan2.2 14B T2V
官方 14B FP16：24G+ 才舒服
V100 16G 可行路径：
wan2.2_t2v_high_noise_14B_fp8_scaled+low_noise_14B_fp8_scaled或 GGUF：Q5_K_M / Q4_K_M
UMT5-XXL 用 FP8 / Q4 文本编码器
Wan2.1 / Wan2.2 VAE，VAE 解码可放 CPU 或 Tiled VAE
启动参数：
--cuda-malloc --force-fp16
工作流层：
Block Swap / offload_to_cpu
分辨率 480P 起步：832×480 / 768×432 / 720×720
帧数：41 / 81 帧，别一上来 121 帧
速度预期：V100 比 4090 慢，重点不是快，而是“跑通 + 可复现”
四、Wan2.2 T2V 的底层心智：高噪声专家管“动”，低噪声专家管“稳”
High-noise expert：决定大动作、构图、运动趋势
Low-noise expert：收脸、收手、收材质、降诡异
复杂运动提示词要同时服务两个专家：
高噪声阶段：动作动词、节奏、空间关系
低噪声阶段：主体身份、服装、光照、画质词
MoE 不是“两个模型二选一”，而是噪声调度下切换
五、提示词工程：从“美学句子”升级为“运动脚本”
1. 新手提示词（错法）
cinematic, beautiful girl, golden hour, 8k, masterpiece
问题：没有时间、没有动作、没有空间变化。
2. 复杂运动提示词公式
[镜头/时间] + [主体] + [起始状态] + [动作序列] + [空间/方向] + [节奏] + [镜头运动] + [画质/光线]
例
