阿里开源的 Wan 系列,文生/图生/编辑一把抓。消费级显卡能跑,Apache 2.0 可商用。两条最省事的路线。

想把文字或图片变成短视频,又不想被在线平台的额度和涨价牵着走?阿里的开源视频模型 Wan(万相)值得试试:权重可下载、可本地部署、Apache 2.0 许可,文生、图生、编辑、音频驱动一套打通。
先选对版本
- 1.3B 文生版:显存友好,约 8GB 即可运行,RTX 3060/4060 这类消费级显卡可跑,生成 5 秒 480p 片段大约 3–4 分钟。适合"先跑通"。
- 14B / 720P 版本:画质和运动物理更强,建议 24GB 以上显卡(3090/4090),或用 FP8/GGUF 量化后在 ComfyUI 里跑。
- 5B TI2V 版本:图文输入兼顾,24GB 显存下用官方脚本加
--offload_model、--t5_cpu等参数即可运行。
路线一:ComfyUI(最省事)
ComfyUI 核心已内置 Wan 节点,无需第三方插件。把 diffusion model、text encoder、VAE 三类权重放到对应目录,然后在 Workflow → Browse Templates → Video 里选 Wan 的文生/图生模板,输入提示词点生成即可。没有显卡也能用 Hugging Face 上的官方 Gradio Space 免费体验。
路线二:命令行(最灵活)
用 diffusers 几行代码即可调用:
pipe = WanPipeline.from_pretrained("Wan-AI/Wan2.1-T2V-1.3B", torch_dtype=torch.bfloat16).to("cuda")
video = pipe(prompt="一只橘猫在阳光的窗台上伸懒腰,电影感,浅景深", num_frames=81, height=480, width=832).frames[0]
export_to_video(video, "cat.mp4", fps=16)
几个新手提醒
先跑 480P 试水,确认流程通了再上 720P;注意 Git LFS 是否生效(权重文件若只有一百多字节就是没拉全);模型权重约 60GB,先确认磁盘空间。最大的优势是"一次搭好,无限生成",不用每月给包装平台交订阅费。
本文同步自 ev7.cn · AI 博客,原文地址:https://www.ev7.cn/83.html
皮皮 AI 导航
AI 工具榜