通义万相2.1开源版本地化摆设详细攻略，天生视频再添利器

2025 年 2 月 25 日晚上 11：00 通义万相 2.1 开源发布，前两周太忙没空搞它，这个周末，也来本地化摆设一个，体验天生结果怎样，总的来说，它在国内文生视频、图生视频的行列处于领先位置，同时也支持文生图。
一、开源代码下载泉源

GitHub：https://github.com/Wan-Video/Wan2.1
这个源码包中可以做的事包罗：
Wan2.1 Text-to-Video
 Multi-GPU Inference code of the 14B and 1.3B models
 Checkpoints of the 14B and 1.3B models
 Gradio demo
 ComfyUI integration
 Diffusers integration
 Diffusers + Multi-GPU Inference
Wan2.1 Image-to-Video
 Multi-GPU Inference code of the 14B model
 Checkpoints of the 14B model
 Gradio demo
 ComfyUI integration
 Diffusers integration
 Diffusers + Multi-GPU Inference

以下相干网址，有在线体验的，有可以下载配套模子的，也有可以下载源码的，根据必要自行选择，访问国外的网站请提前准备好科学上网。
官网：https://tongyi.aliyun.com/wanxiang/
博客：https://wanxai.com/
Modelscope：https://modelscope.cn/organization/Wan-AI
Hugging Face：https://huggingface.co/Wan-AI
二、下载python假造环境管理软件，安装较新版的python

下载地点：https://docs.conda.io/en/latest/miniconda.html

安装好后打开它，最好使用管理员模式打开。

依次敲入指令，创建并激活项目所需的假造环境。（关于conda的使用方法会单独出一篇教程，这里就不多表明白）
conda create --name Wan21 python=3.12.9

三、安装git

https://git-scm.com/

验证安装乐成如下：

四、安装cuda

到官网CUDA Toolkit Archive | NVIDIA Developer 下载驱动，按提示安装。这里必要为本身的显卡选择详细的版本，下令行输入指令nvidia-smi查察对应版本。

下载后安装完设置一下环境变量
五、下载万象2.1源码

1. git clone https://github.com/Wan-Video/Wan2.1.git

复制代码

六、安装万象2.1所需的依靠包

到conda的假造环境中来安装，给万象2.1设置专用的python运行环境。
conda activate Wan21

看看这个依靠源的清单，数量不多，发起还是手工一条条安装，以便看到哪一个在安装中出题目了，定向办理。

很多时间用上面的清单安装后，torch版本不支持cuda，可以参照下面这个网址，找到对应的版本去下载。
https://github.com/facebookresearch/xformers#installing-xformers

偶然运行还会报错，缺少flash-attn依靠，可以根据对应的torch版本下载这个依靠包，不外编译的时间好长，只要不报错，肯定要耐心等候，我但是等了半天多才完成编译。

我终极的依靠包清单如下：
(wanvideo21) F:\GitProject\Wan2.1>pip list
Package            Version
------------------ ------------
accelerate         1.4.0
aiofiles           23.2.1
aiohappyeyeballs   2.5.0
aiohttp            3.11.13
aiosignal          1.3.2
annotated-types    0.7.0
anyio              4.8.0
attrs              25.1.0
certifi            2025.1.31
charset-normalizer 3.4.1
click              8.1.8
colorama           0.4.6
dashscope          1.22.1
diffusers          0.32.2
easydict           1.13
einops             0.8.1
fastapi            0.115.11
ffmpy              0.5.0
filelock           3.17.0
flash_attn         2.7.3
frozenlist         1.5.0
fsspec             2025.2.0
ftfy               6.3.1
gradio             5.20.0
gradio_client      1.7.2
groovy             0.1.2
h11                0.14.0
httpcore           1.0.7
httpx              0.28.1
huggingface-hub    0.29.2
idna               3.10
imageio            2.37.0
imageio-ffmpeg     0.6.0
importlib_metadata 8.6.1
intel-openmp       2021.4.0
Jinja2             3.1.6
markdown-it-py     3.0.0
MarkupSafe         2.1.5
mdurl              0.1.2
mkl                2021.4.0
mpmath             1.3.0
multidict          6.1.0
networkx           3.4.2
numpy              1.26.0
opencv-python      4.11.0.86
orjson             3.10.15
packaging          24.2
pandas             2.2.3
pillow             11.1.0
pip                25.0.1
propcache          0.3.0
psutil             7.0.0
pydantic           2.10.6
pydantic_core      2.27.2
pydub              0.25.1
Pygments           2.19.1
python-dateutil    2.9.0.post0
python-multipart   0.0.20
pytz               2025.1
PyYAML             6.0.2
regex              2024.11.6
requests           2.32.3
rich               13.9.4
ruff               0.9.9
safehttpx          0.1.6
safetensors        0.5.3
semantic-version   2.10.0
setuptools         75.8.2
shellingham        1.5.4
six                1.17.0
sniffio            1.3.1
starlette          0.46.0
sympy              1.13.1
tbb                2021.11.0
tokenizers         0.21.0
tomlkit            0.13.2
torch              2.6.0+cu126
torchaudio         2.6.0+cu126
torchvision        0.21.0+cu126
tqdm               4.67.1
transformers       4.49.0
typer              0.15.2
typing_extensions  4.12.2
tzdata             2025.1
urllib3            2.3.0
uvicorn            0.34.0
wcwidth            0.2.13
websocket-client   1.8.0
websockets         15.0.1
wheel              0.45.1
yarl               1.18.3
zipp               3.21.0
七、下载模子文件

1. pip install "huggingface_hub[cli]"
2. huggingface-cli download Wan-AI/Wan2.1-T2V-14B --local-dir ./Wan2.1-T2V-14B

复制代码

由于模子文件比力大，这个根据网速环境，会有些慢 。如果发现下载速率变慢了，可以ctrl+c停止后重新启动。
模子文件种类：

八、文生视频测试

单GPU环境下指令如下：
python generate.py  --task t2v-14B --size 1280*720 --ckpt_dir ./Wan2.1-T2V-14B --save_file output --prompt "A cute little cat is cooking."
如果显存不敷大，会报“Out-of-Memory”错误，可以使用参数--offload_model True and --t5_cpu启用cpu盘算，同时改用小点的模子，使用低分辨率的像向来天生。

python generate.py --task t2v-1.3B --size 480*832 --ckpt_dir ./Wan2.1-T2V-1.3B --offload_model True --t5_cpu --sample_shift 8 --sample_guide_scale 6 --save_file ./output/test1.mp4 --prompt "A cute little cat is cooking."

九、图生视频测试

单GPU环境下指令如下：
python generate.py --task t2v-1.3B --size 480*832 --ckpt_dir ./Wan2.1-T2V-1.3B --offload_model True --t5_cpu --image ./examples/test.jpg --save_file ./output/test2.mp4 --prompt "Summer beach vacation style, a white cat wearing sunglasses sits on a surfboard. The fluffy-furred feline gazes directly at the camera with a relaxed expression. Blurred beach scenery forms the background featuring crystal-clear waters, distant green hills, and a blue sky dotted with white clouds. The cat assumes a naturally relaxed posture, as if savoring the sea breeze and warm sunlight. A close-up shot highlights the feline's intricate details and the refreshing atmosphere of the seaside."

十、文生图片测试

python generate.py --task t2v-1.3B --size 480*832 --ckpt_dir ./Wan2.1-T2V-1.3B --prompt '一个漂亮的女孩' --offload_model True --t5_cpu

官方说是文生图，结果天生的还是视频。

想看指令可以带哪些参数，可以查察源码文件generate.py，此中片断如下：

1. def _parse_args():
2.     parser = argparse.ArgumentParser(
3.         description="Generate a image or video from a text prompt or image using Wan"
4.     )
5.     parser.add_argument(
6.         "--task",
7.         type=str,
8.         default="t2v-14B",
9.         choices=list(WAN_CONFIGS.keys()),
10.         help="The task to run.")
11.     parser.add_argument(
12.         "--size",
13.         type=str,
14.         default="1280*720",
15.         choices=list(SIZE_CONFIGS.keys()),
16.         help="The area (width*height) of the generated video. For the I2V task, the aspect ratio of the output video will follow that of the input image."
17.     )
18.     parser.add_argument(
19.         "--frame_num",
20.         type=int,
21.         default=None,
22.         help="How many frames to sample from a image or video. The number should be 4n+1"
23.     )
24.     parser.add_argument(
25.         "--ckpt_dir",
26.         type=str,
27.         default=None,
28.         help="The path to the checkpoint directory.")
29.     parser.add_argument(
30.         "--offload_model",
31.         type=str2bool,
32.         default=None,
33.         help="Whether to offload the model to CPU after each model forward, reducing GPU memory usage."
34.     )
35.     parser.add_argument(
36.         "--ulysses_size",
37.         type=int,
38.         default=1,
39.         help="The size of the ulysses parallelism in DiT.")
40.     parser.add_argument(
41.         "--ring_size",
42.         type=int,
43.         default=1,
44.         help="The size of the ring attention parallelism in DiT.")
45.     parser.add_argument(
46.         "--t5_fsdp",
47.         action="store_true",
48.         default=False,
49.         help="Whether to use FSDP for T5.")
50.     parser.add_argument(
51.         "--t5_cpu",
52.         action="store_true",
53.         default=False,
54.         help="Whether to place T5 model on CPU.")
55.     parser.add_argument(
56.         "--dit_fsdp",
57.         action="store_true",
58.         default=False,
59.         help="Whether to use FSDP for DiT.")
60.     parser.add_argument(
61.         "--save_file",
62.         type=str,
63.         default=None,
64.         help="The file to save the generated image or video to.")
65.     parser.add_argument(
66.         "--prompt",
67.         type=str,
68.         default=None,
69.         help="The prompt to generate the image or video from.")
70.     parser.add_argument(
71.         "--use_prompt_extend",
72.         action="store_true",
73.         default=False,
74.         help="Whether to use prompt extend.")
75.     parser.add_argument(
76.         "--prompt_extend_method",
77.         type=str,
78.         default="local_qwen",
79.         choices=["dashscope", "local_qwen"],
80.         help="The prompt extend method to use.")
81.     parser.add_argument(
82.         "--prompt_extend_model",
83.         type=str,
84.         default=None,
85.         help="The prompt extend model to use.")
86.     parser.add_argument(
87.         "--prompt_extend_target_lang",
88.         type=str,
89.         default="zh",
90.         choices=["zh", "en"],
91.         help="The target language of prompt extend.")
92.     parser.add_argument(
93.         "--base_seed",
94.         type=int,
95.         default=-1,
96.         help="The seed to use for generating the image or video.")
97.     parser.add_argument(
98.         "--image",
99.         type=str,
100.         default=None,
101.         help="The image to generate the video from.")
102.     parser.add_argument(
103.         "--sample_solver",
104.         type=str,
105.         default='unipc',
106.         choices=['unipc', 'dpm++'],
107.         help="The solver used to sample.")
108.     parser.add_argument(
109.         "--sample_steps", type=int, default=None, help="The sampling steps.")
110.     parser.add_argument(
111.         "--sample_shift",
112.         type=float,
113.         default=None,
114.         help="Sampling shift factor for flow matching schedulers.")
115.     parser.add_argument(
116.         "--sample_guide_scale",
117.         type=float,
118.         default=5.0,
119.         help="Classifier free guidance scale.")
121.     args = parser.parse_args()
123.     _validate_args(args)
125.     return args

复制代码

体验感受：总的来说万象天生的视频质量还是不错的，最大的亮点是它原生支持中文提示词，对大部门的同胞们来说这是个福音。只不外这玩意太耗显存，看下面官方给出的测试陈诉就知道了，起步是4090，也进一步验证了智能期间拼的是算力。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。