EasyAnimate 保姆级部署教程：阿里 PAI 开源高分辨率长视频生成框架，Docker / 源码 / ComfyUI 三路齐发

EasyAnimate（仓库 aigc-apps/EasyAnimate）是阿里云 PAI 团队开源的高分辨率、长视频生成端到端框架，基于 DiT（Diffusion Transformer）架构。它不止是一个推理模型，而是一整套"视频生成 + 训练"流水线：数据预处理、Video VAE 训练、DiT 基座训练、LoRA 训练、文生/图生/视频生视频全支持。最新的 V5.1 用 Qwen2 VL 做文本编码器、Flow 采样，中英双语，最高 1024×1024、49 帧、6 秒、8fps，还支持 Canny / Pose / 轨迹 / 相机控制。

它在社区有 2.3k+ Star，官方阿里云 PAI 文档 2026 年 8 月仍在更新，且是少有的同时提供 Docker 镜像、源码安装、ComfyUI 插件、WebUI、阿里云 DSW 五条部署路线的视频生成项目。本文按官方 README 把这几条路都走一遍。

一、项目介绍与适用场景

EasyAnimate 定位是"生成高分辨率和长视频的端到端解决方案"，用 DiT + transformer 做扩散器。当前版本 V5.1-12B / 7B 支持：

• 文生视频：纯提示词生成；
• 图生视频：首尾帧驱动；
• 视频生视频：参考视频重生成；
• 控制视频：Canny / Pose / Depth / 轨迹 / 相机控制。

适用场景：本地搭建 AI 视频工作室、给视频模型训自己的 LoRA、用消费级显卡（16G/24G）做可控视频生成、企业在阿里云 DSW 上跑 PAI 流水线。

二、核心功能逐条拆解

1. 高分辨率长视频：V5.1 最高 1024×1024、49 帧、6s、8fps。
2. 中英双语：V5.1 用 Qwen2 VL 文本编码器，Flow 采样。
3. 多模态输入：文生、图生、视频生视频全覆盖。
4. 可控生成：Canny / Pose / Depth / 轨迹 / 相机控制。
5. 显存分级：官方表格给出 16G/24G/40G/80G 各能跑什么分辨率。
6. 显存节省模式：model_cpu_offload / qfloat8 / sequential_cpu_offload 三档。
7. 完整训练链：数据预处理 → VAE 训练 → DiT 训练 → LoRA 训练。
8. ComfyUI 集成：官方 comfyui/ 目录提供节点。
9. Gradio WebUI：python app.py 起可视化界面。

三、全套官方链接

四、硬件与环境前置要求

官方 README "Environment Check" 原文：

• Windows：Win10，Python 3.10/3.11，PyTorch 2.2.0，CUDA 11.8/12.1，CUDNN 8+，GPU 为 RTX 3060 12G。
• Linux：Ubuntu 20.04 / CentOS，Python 3.10/3.11，PyTorch 2.2.0，CUDA 11.8/12.1，CUDNN 8+，GPU V100 16G / A10 24G / A100 40G / A100 80G。
• 磁盘：约 60GB 可用空间（存权重）。
• V5.1-12B 显存矩阵（官方表格）：

（✅=model_cpu_offload，🧡=model_cpu_offload_and_qfloat8，⭕️=sequential_cpu_offload，❌跑不了）

五、多平台部署步骤

5.1 Docker 部署（官方提供）

# 拉镜像
docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:easyanimate

# 进容器
docker run -it -p 7860:7860 --network host --gpus all --security-opt seccomp:unconfined --shm-size 200g mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:easyanimate

# 克隆代码
git clone https://github.com/aigc-apps/EasyAnimate.git
cd EasyAnimate

# 建权重目录
mkdir models/Diffusion_Transformer
mkdir models/Motion_Module
mkdir models/Personalized_Model

解释：镜像基于 torch_cuda，官方要求先装好显卡驱动与 CUDA；--gpus all 透传 GPU；--shm-size 200g 给 PyTorch 数据加载留共享内存。

5.2 源码部署

按第四节环境检查装好 Python 3.10/3.11 + PyTorch 2.2.0 + CUDA 后：

git clone https://github.com/aigc-apps/EasyAnimate.git
cd EasyAnimate
# 按官方 requirements 安装依赖（README 未在首页单列 pip 命令，以仓库内 requirements 为准）

下载权重（官方）：

📦 models/
├── 📂 Diffusion_Transformer/
│   ├── 📂 EasyAnimateV5.1-12b-zh-InP/
│   └── 📂 EasyAnimateV5.1-12b-zh/
├── 📂 Personalized_Model/
│   └── 你的训练好的 trainformer / lora 模型

权重地址（官方）：HF alibaba-pai/EasyAnimateV5.1-12b-zh-InP 与 alibaba-pai/EasyAnimateV5.1-12b-zh；ModelScope 同名 PAI/EasyAnimateV5.1-12b-zh-InP。

5.3 ComfyUI 部署

官方提供 comfyui/README.md 文档，在 ComfyUI 里装 EasyAnimate 节点，按官方 workflow 跑。

六、配置文件全部参数解释

官方 README "Memory-Saving Options" 一节明确三档显存模式：

官方建议：显存够就用 model_cpu_offload；qfloat8 会略降画质但更省显存。

predict 脚本内可调参数（官方 "How to use"）：

七、启动、后台常驻与开机自启

7.1 启动 WebUI

python app.py

官方原文："Run the app.py file to enter the Gradio page"。启动后浏览器打开 7860 端口。

7.2 命令行推理

• 文生视频：改 predict_t2v.py 的 prompt/neg_prompt/guidance_scale/seed，运行 python predict_t2v.py，结果存 samples/easyanimate-videos/。
• 图生视频：改 predict_i2v.py 的 validation_image_start/end，结果存 samples/easyanimate-videos_i2v/。
• 视频生视频：predict_v2v.py。
• 控制视频：predict_v2v_control.py。

7.3 后台常驻

nohup python app.py > app.log 2>&1 &

或 systemd 托管（ExecStart 指向 conda run -n easyanimate python /path/to/app.py）。

7.4 修改端口

Gradio 默认 7860，在 app.py 里改 app.launch(server_port=...)。

八、功能实操教程

第 1 步：按官方环境表装好 Python 3.10 + PyTorch 2.2.0 + CUDA 11.8/12.1。

第 2 步：克隆代码、按官方目录树放好 V5.1-12B 权重到 models/Diffusion_Transformer/。

第 3 步：python app.py 起 WebUI，浏览器选模型、填 prompt、填 neg_prompt、调 guidance_scale、设 seed，点生成。

第 4 步：显存不够时，在 predict 文件里把 gpu_memory_mode 从 model_cpu_offload 改成 sequential_cpu_offload 或 qfloat8。

第 5 步：不支持 bf16 的老卡（2080ti、V100），官方要求把 app.py 和 predict 文件里的 weight_dtype 改成 torch.float16。

第 6 步：想训自己的 LoRA，参考 wiki "Training-Lora" 与 "Training-SFT"。

九、全套报错故障排查

1. 16G 显存跑 768×1344 直接 OOM 原因：官方表格 768×1344×49 在 16G/24G 上都是 ❌。 解决：降到 576×1008×49，并用 sequential_cpu_offload；或换 40G/80G 卡。

2. V100 / 2080ti 跑不动 / 报错 原因：这些卡不支持 torch.bfloat16。 解决：官方要求把 weight_dtype 改成 torch.float16。

3. Docker 容器里看不到 GPU 原因：没装 NVIDIA Container Toolkit 或没加 --gpus all。 解决：docker run 加 --gpus all；宿主装 nvidia-container-toolkit。

4. 生成视频速度慢 原因：用了 sequential_cpu_offload。 解决：显存够就换 model_cpu_offload；A100 80G 跑 384×672×25 约 45s（官方表格）。

5. 权重目录不对导致加载失败 原因：没按官方目录树放。 解决：对照本文第五节的 models/ 树，确保 V5.1-12b-zh-InP 与 12b-zh 都在 models/Diffusion_Transformer/ 下。

十、升级、回滚与卸载

• 升级：git pull；按官方 Update History（V5.1 用 Qwen2 VL + Flow）下载对应权重；2025.03.06 已支持 diffusers 直接调用。
• 回滚：git checkout <旧tag>；权重分版本目录。
• 卸载：删仓库与 models/ 目录；conda env remove。

十一、商用许可与合规风险提示

• 代码为 Apache-2.0，允许商用。
• 模型权重在 HuggingFace alibaba-pai/ 名下，需到模型页确认权重许可（与代码可能分离）。
• 官方同时提供阿里云 DSW 免费 GPU 时长（Freetier），无 GPU 硬件的用户可白嫖云端跑。

参考链接

• 官方 README：https://github.com/aigc-apps/EasyAnimate/blob/main/README.md
• 权重（HF）：https://huggingface.co/alibaba-pai/EasyAnimateV5.1-12b-zh-InP
• ComfyUI 文档：https://github.com/aigc-apps/EasyAnimate/blob/main/comfyui/README.md
• 在线 Demo：https://modelscope.cn/studios/PAI/EasyAnimate