通义万相2.1开源版本地化部署详细攻略，生成视频再添利器

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，也来本地化部署一个，体验生成效果如何，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、开源代码下载来源

GitHub：https://github.com/Wan-Video/Wan2.1

这个源码包中可以做的事包括：

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

以下相关网址，有在线体验的，有可以下载配套模型的，也有可以下载源码的，根据需要自行选择，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虚拟环境管理软件，安装较新版的python

下载地址：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虚拟环境。（关于conda的使用方法会单独出一篇教程，这里就不多解释了）

conda create --name Wan21 python=3.12.9

三、安装git

https://git-scm.com/

验证安装成功如下：

四、安装cuda

到官网CUDA Toolkit Archive | NVIDIA Developer 下载驱动，按提示安装。这里需要为自己的显卡选择具体的版本，命令行输入指令nvidia-smi查看对应版本。

下载后安装完配置一下环境变量

五、下载万象2.1源码

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

六、安装万象2.1所需的依赖包

到conda的虚拟环境中来安装，给万象2.1配置专用的python运行环境。

conda activate Wan21

看看这个依赖源的清单，数量不多，建议还是手工一条条安装，以便看到哪一个在安装中出问题了，定向解决。

很多时候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

有时运行还会报错，缺少flash-attn依赖，可以根据对应的torch版本下载这个依赖包，不过编译的时间好长，只要不报错，一定要耐心等待，我可是等了半天多才完成编译。

我最终的依赖包清单如下：

(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、下载模型文件

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

因为模型文件比较大，这个根据网速情况，会有些慢 。如果发现下载速度变慢了，可以ctrl+c终止后重新启动。

模型文件种类：

八、文生视频测试

单GPU情况下指令如下：

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."

如果显存不够大，会报“Out-of-Memory”错误，可以使用参数--offload_model True and --t5_cpu启用cpu计算，同时改用小点的模型，使用低分辨率的像素来生成。

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情况下指令如下：

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，结果生成的还是视频。

想看指令可以带哪些参数，可以查看源码文件generate.py，其中片段如下：

  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.")
  120.  
  121.     args = parser.parse_args()
  122.  
  123.     _validate_args(args)
  124.  
  125.     return args

体验感受：总的来说万象生成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，对大部分的同胞们来说这是个福音。只不过这玩意太耗显存，看下面官方给出的测试报告就知道了，起步是4090，也进一步验证了智能时代拼的是算力。

降价联盟
微信公众号
微信公众号开发实例演示；优惠大集合！
注：本文转载自blog.csdn.net的数智前沿的文章"https://blog.csdn.net/daobaqin/article/details/146127656"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！