跳到主要内容

Wan

开源项目

Wan2.1 是 Wan-Video 团队开源的大规模视频生成模型套件,面向希望在自有硬件上运行文生视频、图生视频与视频编辑的研究者和开发者。

SOC 2
120

工具介绍

Wan2.1 是 Wan-Video 团队发布的开源大规模视频生成模型套件,面向希望在自有硬件上完成视频生成与编辑、而非依赖托管 API 的研究者和开发者。仓库提供推理代码、模型权重与多种集成方式,模型以 Apache 2.0 许可证发布。

模型家族覆盖的任务范围

Wan2.1 支持五类任务:文生视频、图生视频、视频编辑、文生图与视频转音频。模型提供 14B 与 1.3B 两档参数规模,均附带推理代码与多 GPU 推理支持。项目后续还发布了 Wan2.1-VACE,一款面向视频创作与编辑的一体化模型,以及 Wan2.1-FLF2V,可根据首帧与尾帧生成视频。仓库内还包含 Gradio 演示,便于快速试用。

在消费级硬件上运行

T2V-1.3B 模型仅需 8.19 GB 显存,因此大多数消费级 GPU 都能承载。据项目说明,在 RTX 4090 上、不采用量化等优化手段的情况下,它大约四分钟可生成一段 5 秒 480P 视频。这一数字的意义在于,它描述的是个人开发者可实际触及的入门门槛,而不只是拥有数据中心级加速器的团队。更大的 14B 模型则面向显存与算力更充裕的环境。

Wan-VAE 与画面文字生成

Wan-VAE 是整个套件底层的视频自编码器,可对任意长度的 1080P 视频进行编解码,同时保留时序信息,项目将其定位为视频与图像生成的理想基础。Wan2.1 还能在视频画面内生成中英文文字,项目称这是视频模型中的首次。对于需要清晰屏幕文案的创作者而言,这一能力可以减少后期叠加字幕的环节。

集成与生态

接入路径已经铺开。Wan2.1 于 2025 年 2 月 27 日集成进 ComfyUI,其文生视频与图生视频流程于 2025 年 3 月 3 日进入 Hugging Face Diffusers,技术报告随后于 2025 年 3 月 21 日发布。社区项目也在多个方向上扩展了基础模型:Helios 面向单张 H100 GPU 上 19.5 FPS 的分钟级合成,Video-As-Prompt 通过上下文提示加入语义控制,LightX2V 侧重在 RTX 5090 与 RTX 4060 上实现快速推理,DriVerse 则将 14B 图生视频模型用于自动驾驶仿真。

性能声明与注意事项

项目表示,Wan2.1 在多项基准上优于现有开源模型与最先进的商业方案,相关对比发布在其技术报告中。这些结果来自团队自身的评测,在将其视为定论之前,值得关注独立复现情况。1.3B 模型四分钟的生成耗时同样以不启用量化等优化为前提,实际吞吐会随硬件与设置变化。14B 版本对资源的要求则明显更高。

许可与负责任使用

模型以 Apache 2.0 许可证发布。团队声明不对生成内容主张权利,用户可自由使用输出结果,但需对模型的使用方式负责。许可证禁止生成违反适用法律、伤害个人或群体、传播虚假信息或针对弱势群体的内容。完整条款见仓库中的 LICENSE.txt。

适合谁使用

Wan2.1 适合那些看重开放权重、可审查推理代码,并希望自由微调或扩展视频模型的团队。它不太适合希望使用无需维护基础设施的托管服务的用户。对于已经在 ComfyUI 或 Diffusers 中工作的开发者,接入路径较短,而 1.3B 模型让单张消费级 GPU 上的实验变得可行。

核心功能

  • 单一模型家族覆盖文生视频、图生视频、视频编辑、文生图与视频转音频五类任务
  • T2V-1.3B 版本仅需 8.19 GB 显存,可运行于多数消费级 GPU
  • 14B 与 1.3B 两档权重均提供推理代码与多 GPU 推理支持
  • Wan-VAE 可对任意长度 1080P 视频进行编解码,并保留时序信息
  • 支持在视频画面内生成中英文文字
  • 已集成 ComfyUI 与 Hugging Face Diffusers,并提供 Gradio 演示
  • 提供 Wan2.1-VACE 一体化视频创作与编辑模型,以及 Wan2.1-FLF2V 首尾帧生视频模型

适用场景

  1. 1在单张 RTX 4090 上根据文本提示生成 5 秒 480P 短片
  2. 2将静态图像转化为动态视频片段
  3. 3对已有素材进行编辑,或基于首帧与尾帧生成过渡视频
  4. 4为营销或讲解内容生成中英双语画面文字
  5. 5基于开放权重与推理代码搭建研究流程
  6. 6针对特定领域视频任务对基础模型进行微调或扩展

优势与注意事项

优势

  • 权重与推理代码以 Apache 2.0 许可证开放
  • 1.3B 模型显存需求较低,可在消费级 GPU 上运行
  • 单一模型家族覆盖五类生成与编辑任务
  • 已集成 ComfyUI 与 Diffusers,接入路径较短
  • 社区生态活跃,衍生出 Helios、LightX2V、DriVerse 等项目

注意事项

  • 14B 模型的显存需求显著高于 1.3B 版本
  • 官方给出的生成耗时未包含量化等优化手段
  • 基准测试结论来自项目自身技术报告,建议关注独立复现
  • 使用者需自行遵守 Apache 2.0 许可证及内容限制条款

定价详情

未标注订阅价格。

基本信息

官方网站
github.com
收录时间
2026年10月10日
支持平台
网页端
中英支持
未标注
API
标注支持
本地部署
未标注
适合人群
需要开放权重与推理代码、在消费级或数据中心 GPU 上开展视频生成任务的 AI 研究者、机器学习工程师与生成式媒体开发者。
信息最近更新
2026年10月16日
官网状态
检测中
信息纠错 · 隐私请求
联系我们

工具功能、价格与可用性可能变化,请以官网为准。 由 steven 维护 · 最后更新 2026年10月16日 →

相关工具

全部分类