模型介绍
中文整理Wan2.1
Model use case
Wan2.1 是一个开源的大规模视频生成模型套件，基于主流的扩散变换器范式设计。该模型支持文本到视频、图像到视频、视频编辑、文本到图像以及视频到音频等多种生成任务。
主要能力
Wan2.1 在多个基准测试中表现优于现有开源模型和闭源商业解决方案。T2V-1.3B 模型仅需 8.19 GB 显存即可运行，兼容几乎所有消费级 GPU，在 RTX 4090 上约 4 分钟可生成 5 秒 480P 视频。该模型是首个能够生成中文和英文文字的视频模型。Wan-VAE 可对任意长度的 1080P 视频进行高效编码和解码，同时保留时间信息。
输入输出
输入：文本提示、图像、首帧和尾帧
输出：视频（支持 480P、720P、1080P 分辨率）
运行要求
T2V-1.3B 模型最低需要 8.19 GB 显存，支持单卡 RTX 4090 运行。14B 模型需要更多显存，支持多 GPU 推理。模型支持通过 Diffusers、ComfyUI 或 Gradio Demo 调用。
基本用法
模型权重以 Diffusers 格式发布，可通过相关库进行加载和推理。具体使用方法请参考官方文档。
限制
模型生成的内容不得包含违反适用法律、损害个人或群体、传播用于伤害的个人信息、散布虚假信息或针对弱势群体的内容。用户需对模型的使用承担全部责任。
许可证
本仓库中的模型采用 Apache 2.0 许可证授权。我们不对用户生成的内容主张任何权利，允许用户自由使用，但使用须符合许可证条款。详细权利和义务请参阅许可证全文。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。