Wan2.1：阿里万相开源视频生成模型安装与使用指南

官方信息

项目背景

Wan2.1 是阿里巴巴通义万相团队于2025年发布的开源视频生成模型，是国内大厂开源视频模型的重要代表。与HunyuanVideo的130亿参数单一版本不同，Wan2.1采用了"双版本"策略：Wan2.1-T2V-1.3B 是轻量快速版，仅13亿参数，普通消费级显卡就能跑；Wan2.1-T2V-14B 是高质量版，140亿参数，效果对标HunyuanVideo。这种设计让不同硬件条件的用户都能用起来。

Wan2.1 基于 Diffusion Transformer（DiT）架构，使用 3D VAE 做视频压缩，文本编码器采用 umT5（多语言T5），因此中英文提示词都能很好理解。模型原生支持720p分辨率、最长5秒视频（81帧@16fps），并提供图生视频（I2V）版本，可以将静态图片转为动态视频。

更值得一提的是，Wan2.1 是 Apache 2.0 协议完全开源，权重免费下载，可直接商用。这对创业者、视频创作者、企业用户非常友好。发布后社区迅速推出了ComfyUI节点、Diffusers支持、FP8/GGUF量化、ControlNet控制等衍生工具，生态非常完善。

核心特性

• 双版本策略：1.3B快速版（消费级显卡可跑）+ 14B高质量版（对标HunyuanVideo）
• 中英文双语支持：基于umT5文本编码器，中文提示词理解优秀
• 720p高清输出：1280×720分辨率，画面细节丰富
• 文生视频+图生视频：T2V和I2V两种模式都有对应权重
• Apache 2.0可商用：完全开源免费，无商用限制
• 消费级显卡可跑：1.3B版本在8GB显存上即可生成视频
• 社区生态完善：ComfyUI/Diffusers/量化版/ControlNet全部支持

环境要求

详细部署步骤

方式一：官方源码部署（14B高质量版）

1. 环境准备

   sudo apt update && sudo apt install git ffmpeg -y
   conda create -n wan21 python=3.10 -y
   conda activate wan21

2. 克隆仓库

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

3. 安装依赖

   pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
   pip install -r requirements.txt
   pip install "flash-attn>=2.0" --no-build-isolation  # 可选加速

4. 下载模型权重
   推荐用ModelScope（国内快）：

   pip install modelscope
   
   # 14B T2V模型（约28GB）
   modelscope download --model Wan-AI/Wan2.1-T2V-14B --local_dir ./Wan2.1-T2V-14B
   
   # 1.3B T2V模型（约5GB）
   modelscope download --model Wan-AI/Wan2.1-T2V-1.3B --local_dir ./Wan2.1-T2V-1.3B
   
   # I2V模型（图生视频）
   modelscope download --model Wan-AI/Wan2.1-I2V-14B-720P --local_dir ./Wan2.1-I2V-14B-720P

5. 文生视频推理（14B版）

   python generate.py \
     --task t2v-14B \
     --size 1280*720 \
     --frame_num 81 \
     --prompt "一只柴犬在樱花树下奔跑，花瓣飘落，慢动作，电影感" \
     --ckpt_dir ./Wan2.1-T2V-14B \
     --save_file ./outputs/shiba.mp4 \
     --sample_steps 50 \
     --seed 42

   参数说明：

   • --size 1280*720：分辨率，14B版支持720p，1.3B版建议480p
   • --frame_num 81：帧数，81帧约5秒@16fps
   • --sample_steps 50：采样步数
6. 文生视频推理（1.3B快速版，消费级显卡）

   python generate.py \
     --task t2v-1.3B \
     --size 832*480 \
     --frame_num 81 \
     --prompt "赛博朋克城市夜景，霓虹灯闪烁，雨中街道" \
     --ckpt_dir ./Wan2.1-T2V-1.3B \
     --save_file ./outputs/cyber.mp4 \
     --sample_steps 30

7. 图生视频推理

   python generate.py \
     --task i2v-14B-720P \
     --size 1280*720 \
     --frame_num 81 \
     --prompt "海浪轻轻拍打沙滩，夕阳" \
     --image ./input_photo.jpg \
     --ckpt_dir ./Wan2.1-I2V-14B-720P \
     --save_file ./outputs/wave.mp4

方式二：Diffusers Pipeline（最简洁）

import torch
from diffusers import AutoencoderKLWan, WanPipeline
from diffusers.utils import export_to_video

# 加载VAE
vae = AutoencoderKLWan.from_pretrained(
    "Wan-AI/Wan2.1-T2V-1.3B",
    subfolder="vae",
    torch_dtype=torch.float32
)

# 加载Pipeline（1.3B快速版）
pipe = WanPipeline.from_pretrained(
    "Wan-AI/Wan2.1-T2V-1.3B",
    vae=vae,
    torch_dtype=torch.bfloat16
)
pipe.to("cuda")

# 生成视频
output = pipe(
    prompt="A beautiful sunset over the ocean, waves crashing, cinematic",
    negative_prompt="bright colors, low quality, blurry",
    height=480,
    width=832,
    num_frames=81,
    num_inference_steps=30,
    generator=torch.Generator("cpu").manual_seed(42)
).frames[0]

export_to_video(output, "wan_output.mp4", fps=16)

方式三：ComfyUI 部署（推荐GUI）

1. 安装节点

   cd ComfyUI/custom_nodes
   git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
   cd ComfyUI-WanVideoWrapper
   pip install -r requirements.txt

2. 下载模型到ComfyUI目录

   # Diffusion模型 → ComfyUI/models/diffusion_models/
   # VAE → ComfyUI/models/vae/
   # umT5文本编码器 → ComfyUI/models/text_encoders/

3. FP8量化版（24GB显存推荐）
   下载社区量化版 wan2.1_t2v_14B_fp8_scaled.safetensors，可在RTX 3090/4090上流畅运行720p视频。
4. 重启ComfyUI，加载WanVideo工作流模板即可出视频。

方式四：Docker一键部署

docker run -d --name wan21 \
  --gpus all \
  -p 7860:7860 \
  -v /data/wan_models:/models \
  -v /data/wan_outputs:/app/outputs \
  registry.cn-hangzhou.aliyuncs.com/wanai/wan2.1:latest \
  python app.py --model-path /models/Wan2.1-T2V-1.3B --listen 0.0.0.0

使用方法

提示词最佳实践

• 描述主体+动作+环境+风格："一个女孩（主体）在雨中撑伞走过（动作）上海外滩（环境），电影级光影（风格）"
• 中文提示词直接写自然语言即可，Wan2.1的umT5编码器对中文理解很好
• 加上镜头语言："航拍"、"慢动作"、"镜头推进"、"全景"
• 负面提示词建议："闪烁，变形，低质量，模糊，多余肢体"

生成时间参考

常见问题（FAQ）

Q1: 8GB显存能跑Wan2.1吗？

可以跑1.3B版本，480p分辨率、81帧、30步，生成一段约5秒的视频。14B版本在8GB显存上会OOM，建议用FP8量化版+CPU offload，但速度会很慢。

Q2: Wan2.1和HunyuanVideo哪个好？

14B版本质量上HunyuanVideo略胜一筹（运动连贯性更好），但Wan2.1的优势是：1）1.3B轻量版让普通用户也能跑；2）Apache 2.0可商用；3）中文支持更好。商用场景优先Wan2.1。

Q3: 视频生成后有闪烁怎么办？

1）增加采样步数到50步；2）提示词中避免剧烈运动；3）使用RIFE帧插值工具做平滑后处理；4）ComfyUI中有专门的WanVideo平滑节点。

Q4: 支持图生视频吗？

支持。下载Wan2.1-I2V-14B-720P权重即可，传入一张图片作为起始帧，模型会基于图片内容生成动态视频。

Q5: 可以商用吗？

Wan2.1采用Apache 2.0协议，权重完全免费开源，可自由商用、微调、二次分发。这是目前所有大厂开源视频模型中最宽松的协议。

跳转链接

• GitHub 仓库：https://github.com/Wan-Video/Wan2.1
• HuggingFace模型页：https://huggingface.co/Wan-AI
• ModelScope模型页：https://modelscope.cn/models/Wan-AI
• 官方页面：https://wan.video
• ComfyUI节点：https://github.com/kijai/ComfyUI-WanVideoWrapper