模型介绍
中文整理Wan2.1 模型卡片
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。模型支持生成中英文文字内容，这是首个具备该能力的视频模型。 Wan-VAE 能够对任意长度的1080P视频进行高效编码和解码，同时保留时间信息。
输入输出
模型支持文本提示和图像输入。根据不同任务和模型版本，可输出480P或720P分辨率的视频。文本输入通过T5编码器进行多语言编码。
运行要求
T2V-1.3B模型仅需8.19GB显存，兼容大多数消费级GPU。在RTX 4090上生成5秒480P视频约需4分钟。14B模型支持多GPU推理。
基本用法
模型下载后可通过命令行或Gradio界面运行。图像到视频任务支持带提示词扩展和不带提示词扩展两种模式。1.3B模型虽支持720P生成，但480P分辨率结果更稳定，建议优先使用480P。
限制
模型生成内容不得违反适用法律，不得对个人或群体造成伤害，不得传播用于伤害的个人信息，不得散布虚假信息或针对弱势群体。用户需对模型使用承担全部责任。
许可证
本仓库模型采用Apache 2.0许可证授权。开发者不对用户生成的内容主张任何权利，用户可自由使用但须遵守许可证条款。
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。