7 件内容 · 更新于 16 天前 · 19

概述

Wan2.1 是由通义万相（Wan-AI）开源的一套视频基础模型，旨在推动视频生成领域的普惠化研究与应用。Wan2.1 在多个基准测试中均达到了业界领先（SOTA）的性能，并支持消费级 GPU 运行。

Wan2.1 的主要特点：

• SOTA 性能：Wan2.1 在多个公开基准（如 Wan-Bench、VBench 等）以及内部评测中均取得领先成绩，在文生视频（Text-to-Video）、图生视频（Image-to-Video）、视频编辑等任务上均超过现有开源模型与多数商业方案。
• 消费级 GPU 支持：Wan2.1 的 1.3B 模型仅需 8.19GB 显存即可运行，绝大多数消费级 GPU 均可流畅推理。14B 模型在 RTX 4090 等单卡上也可完成 480P 视频生成。
• 多任务统一：Wan2.1 同时支持文生视频、图生视频、视频编辑、文本生图像、文生音频、视频生音频、图像生视频等任务，使用统一架构与训练范式。
• 强大的视频生成能力：基于大规模优质数据训练，Wan2.1 在运动、时序、视觉质量、指令遵循等维度均有出色表现，并支持复杂运动、专业镜头语言、物理一致性以及中英文文字渲染。
• 中文文本生成能力：Wan2.1 是同时支持中英文文本与符号视频生成的开源视频基础模型，显著提升视频中文字生成的可读性与准确性。

模型列表

Wan2.1 包含以下开源模型：

快速上手

环境准备

克隆仓库并安装依赖：

git clone https://github.com/Wan-Video/Wan2.1.git
cd Wan2.1
pip install -r requirements.txt

模型权重下载

可通过 Hugging Face 或 ModelScope 下载权重：

• Hugging Face：访问 Wan-AI 组织主页 下载所需模型。
• ModelScope：在 ModelScope 搜索 Wan-AI 相关模型仓库。

推理示例（Diffusers）

import torch
from diffusers import WanPipeline
from diffusers.utils import export_to_video

pipe = WanPipeline.from_pretrained(
    "Wan-AI/Wan2.1-I2V-14B-480P",
    torch_dtype=torch.float16
).to("cuda")

prompt = "A cat walking gracefully on a wooden floor, cinematic lighting."
image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png")

output = pipe(
    image=image,
    prompt=prompt,
    num_frames=81,
    guidance_scale=5.0,
    num_inference_steps=50,
).frames[0]

export_to_video(output, "output.mp4", fps=16)

提示：1.3B 模型在 8GB 显存设备上即可推理；14B 模型建议使用 24GB 显存的消费级 GPU 或更高规格硬件。

性能基准

Wan2.1 在主流公开基准上均取得领先成绩。下方列出部分代表性结果（数据来自官方论文与项目主页）：

• Wan-Bench：在 480P / 720P 分辨率下综合得分位居开源模型前列。
• VBench-1.0：文生视频与图生视频子任务均超过同类开源模型。
• VBench-2.0：在运动合理性、物理常识、时序一致性等维度表现突出。
• 人类主观评测：在视觉质量、指令遵循、动作自然度等方面优于主流闭源方案。

详细的指标对比与可视化样例可参考 Wan2.1 技术报告 与官方 GitHub 仓库。

引用

如果 Wan2.1 对你的研究或产品有帮助，请引用：

@article{wan2025,
  title={Wan: Open and Advanced Large-Scale Video Generative Models},
  author={Wan Team},
  journal={arXiv preprint arXiv:2503.20314},
  year={2025}
}

致谢与许可

• 模型与代码遵循 Apache 2.0 协议开源。
• 感谢开源社区在数据集、训练框架与评测工具方面的支持。
• 详细许可信息请参见各模型仓库的 LICENSE 文件。

相关链接

• 项目主页：https://github.com/Wan-Video/Wan2.1
• 技术报告：https://arxiv.org/abs/2503.20314
• Hugging Face 组织：https://huggingface.co/Wan-AI
• ModelScope 组织：https://www.modelscope.cn/Wan-AI