使用场景

根据输入的文本描述生成一段 5 秒的 480P 视频

将静态图像转化为具有动态效果的视频

结合文本提示生成包含中文或英文文字的视频内容

产品特色

支持文本到视频、图像到视频等多种视频生成任务

支持 480P 和 720P 分辨率的视频生成

具备强大的时空压缩能力，可高效处理 1080P 视频

支持中文和英文文本输入，拓展应用场景

提供单 GPU 和多 GPU 推理代码，适应不同硬件需求

使用教程

1. 克隆项目仓库：`git clone https://github.com/Wan-Video/Wan2.1.git`

2. 安装依赖：`pip install -r requirements.txt`

3. 下载模型权重：`huggingface-cli download Wan-AI/Wan2.1-T2V-14B --local-dir ./Wan2.1-T2V-14B`

4. 运行文本到视频生成：`python generate.py --task t2v-14B --size 1280*720 --ckpt_dir ./Wan2.1-T2V-14B --prompt '描述文本'`

5. 根据需要调整参数，如分辨率、提示文本等