网站导航
> 技术文档 > 本地部署阿里的万象2.1文生视频（Wan2.1-T2V-1.3B）模型

本地部署阿里的万象2.1文生视频（Wan2.1-T2V-1.3B）模型

网友: 技术文档 2025-08-15 14:21:07

文章目录

  • （零）在线体验
  • （一）本地部署
    • （1.1）克隆仓库
    • （1.2）安装依赖
      • （1.2.1）安装 flash-attention
      • （1.2.2）重新安装依赖
      • （1.2.3）替换pytorch成CUDA版本
    • （1.3）下载模型
    • （1.4）CUDA和CUDNN
      • （1.4.1）CUDA Toolkit 12.8 和 Visual Studio 2022 v17.13.0 冲突
  • （二）本地生成
    • （2.1）官方例子
    • （2.2）执行过程
    • （2.3）执行结果
      • （2.3.1）默认文件名无法保存
      • （2.3.2）成功

本地部署阿里的万象2.1文生视频（Wan2.1-T2V-1.3B）模型
引用：2月25日晚间，阿里云旗下视觉生成基座模型万相2.1（Wan）正式开源，此次开源采用最宽松的Apache2.0协议，14B和1.3B两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务。

（零）在线体验

本地部署之前可以在线体验。
在线可以图生视频呢。

在线的通义万相图生视频（2005届超女）示例

再到阿里自己的平台上看API的价格，顿时发现生成类都是天价，还是对话的AI便宜啊。

（一）本地部署

（1.1）克隆仓库

和其它开源项目类似，先克隆代码仓库。

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

（1.2）安装依赖

国内环境先把Python换成国内源。
最好还是先建个虚拟环境。

> python -m venv venv

按照下面官方的方式直接装是不会成功的。

# Ensure torch >= 2.4.0(venv) > pip install -r requirements.txt

（1.2.1）安装 flash-attention

依赖中有flash_attn这项，没指定版本，安装依赖时编译轮子总是失败。

查询其官方的二进制发布后发现最新版是v2.7.4.post1，且只有Linux版本。
发现第三方有flash_attn-2.7.4.post1+cu124torch2.6.0cxx11abiFALSE-cp310-cp310-win_amd64.whl，下载后手动安装。

记下来这两个cu124，以及torch2.6.0。

（1.2.2）重新安装依赖

这时候我们有flash-attention了，直接安装requirements.txt吧。

(venv) > pip install -r requirements.txt

（1.2.3）替换pytorch成CUDA版本

国内环境先把Pytorch换成国内源，或手动下载安装。

(venv) > pip uninstall torch torchvision......(venv) > pip install torch torchvision --index-url https://download.pytorch.org/whl/cu126

（1.3）下载模型

按照新闻上的说法，本地能部署Wan2.1-T2V-1.3B模型。
国内环境请换huggingface源，或手动去hf-mirror下载。

(venv) > pip install \"huggingface_hub[cli]\"(venv) > huggingface-cli download Wan-AI/Wan2.1-T2V-1.3B --local-dir ./Wan2.1-T2V-1.3B

（1.4）CUDA和CUDNN

因为之前接触的项目都是CUDA11，所以我这部分也都得重装一次。
如果已经是CUDA12则无视。

  • CUDA Toolkit 12 官网地址。
  • CUDNN 下载地址。

请注意版本号对应。
正常都会向下兼容，所以我用了最新的CUDA12.8。

（1.4.1）CUDA Toolkit 12.8 和 Visual Studio 2022 v17.13.0 冲突

安装程序进度条会在nsight visual studio edition卡住。
且不报错，请参考。

看到不是我一个人的问题，就放心了。
神仙打架，我等绕过吧。

（二）本地生成

（2.1）官方例子

两只拟人的猫咪穿着舒适的拳击装备，戴着鲜艳的拳击手套，在聚光灯照亮的舞台上激烈搏斗。

(venv) > python generate.py --task t2v-1.3B --size 832*480 --ckpt_dir ./Wan2.1-T2V-1.3B --prompt \"Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage.\"

（2.2）执行过程

[2025-02-26 19:54:53,860] INFO: offload_model is not specified, set to True.[2025-02-26 19:54:53,860] INFO: Generation job args: Namespace(task=\'t2v-1.3B\', size=\'832*480\', frame_num=81, ckpt_dir=\'./Wan2.1-T2V-1.3B\', offload_model=True, ulysses_size=1, ring_size=1, t5_fsdp=False, t5_cpu=False, dit_fsdp=False, save_file=None, prompt=\'Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage.\', use_prompt_extend=False, prompt_extend_method=\'local_qwen\', prompt_extend_model=None, prompt_extend_target_lang=\'ch\', base_seed=2819604094901642957, image=None, sample_solver=\'unipc\', sample_steps=50, sample_shift=5.0, sample_guide_scale=5.0)[2025-02-26 19:54:53,860] INFO: Generation model config: {\'__name__\': \'Config: Wan T2V 1.3B\', \'t5_model\': \'umt5_xxl\', \'t5_dtype\': torch.bfloat16, \'text_len\': 512, \'param_dtype\': torch.bfloat16, \'num_train_timesteps\': 1000, \'sample_fps\': 16, \'sample_neg_prompt\': \'色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手 指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走\', \'t5_checkpoint\': \'models_t5_umt5-xxl-enc-bf16.pth\', \'t5_tokenizer\': \'google/umt5-xxl\', \'vae_checkpoint\': \'Wan2.1_VAE.pth\', \'vae_stride\': (4, 8, 8), \'patch_size\': (1, 2, 2), \'dim\': 1536, \'ffn_dim\': 8960, \'freq_dim\': 256, \'num_heads\': 12, \'num_layers\': 30, \'window_size\': (-1, -1), \'qk_norm\': True, \'cross_attn_norm\': True, \'eps\': 1e-06}[2025-02-26 19:54:53,860] INFO: Input prompt: Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage.[2025-02-26 19:54:53,860] INFO: Creating WanT2V pipeline.[2025-02-26 19:55:26,106] INFO: loading ./Wan2.1-T2V-1.3B\\models_t5_umt5-xxl-enc-bf16.pth[2025-02-26 19:55:34,677] INFO: loading ./Wan2.1-T2V-1.3B\\Wan2.1_VAE.pth[2025-02-26 19:55:35,471] INFO: Creating WanModel from ./Wan2.1-T2V-1.3B[2025-02-26 19:55:42,221] INFO: Generating video ... 40%|██████████████████████████████████████████████████████████████████████████████ | 20/50 [52:05<1:18:05, 156.18s/it]

我的电脑是

  • CPU：i9-12900F
  • RAM：64GB
  • 显卡：4060Ti16GB

预计生成时间超过2个小时。😓
所以我才有时间把踩过的坑记录下来。

CPU基本没占用，内存有一定的占用，显卡跑满。
现在我准备去看电视剧了……

本地部署阿里的万象2.1文生视频（Wan2.1-T2V-1.3B）模型

（2.3）执行结果

（2.3.1）默认文件名无法保存

等了2个多小时，最后一步保存文件失败了？？？
仅仅是文件名的格式问题，蛤？
这小bug太折磨人了。

[2025-02-26 19:55:42,221] INFO: Generating video ...100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 50/50 [2:02:40<00:00, 147.20s/it][2025-02-26 22:12:12,834] INFO: Saving generated video to t2v-1.3B_832*480_1_1_Two_anthropomorphic_cats_in_comfy_boxing_gear_and__20250226_221212.mp4[out#0/mp4 @ 000002818aa85c40] Error opening output \\t2v-1.3B_832*480_1_1_Two_anthropomorphic_cats_in_comfy_boxing_gear_and__20250226_221212.mp4: Invalid argumentError opening output file \\t2v-1.3B_832*480_1_1_Two_anthropomorphic_cats_in_comfy_boxing_gear_and__20250226_221212.mp4.Error opening output files: Invalid argumentcache_video failed, error: result type Float can\'t be cast to the desired output type Byte[2025-02-26 22:12:16,213] INFO: Finished.(venv) >

（2.3.2）成功

两个小时又悄悄的过去了。
增加--save_file参数后OK。

[2025-02-26 22:26:56,407] INFO: Generating video ...100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 50/50 [2:15:32<00:00, 162.64s/it][2025-02-27 00:43:17,461] INFO: Saving generated video to D:\\TestIt.mp4[2025-02-27 00:43:17,918] INFO: Finished.(venv) >

本地部署阿里万象2.1文生视频（Wan2.1-T2V-1.3B）模型生成的示例

网络标签：

相关问题