首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >快速上手AI视频生成神器,打造你的专属创作工具

快速上手AI视频生成神器,打造你的专属创作工具

原创
作者头像
星哥玩云
发布2025-08-27 14:57:59
发布2025-08-27 14:57:59
23200
代码可运行
举报
文章被收录于专栏:星哥的AI自留地星哥的AI自留地
运行总次数:0
代码可运行

快速上手AI视频生成神器,打造你的专属创作工具

大家好,我是星哥!今天给大家带来一款真正让普通玩家也能玩转AI视频生成的神器——Wan2GP。这款由DeepBeepMeep开发的开源项目,通过优化显存占用技术,将原本需要80G显存的专业模型门槛降到了6GB显存,让RTX 10XX/20XX等老旧显卡也能流畅运行阿里Wan、腾讯Hunyuan等顶级视频生成模型。无论是自媒体创作者、设计师还是AI爱好者,都能通过本教程快速上手,免费生成高质量视频内容。

什么是Wan2GP

Wan2GP 是一个由DeepBeepMeep开发的开源视频生成模型项目,旨在为GPU资源有限的用户提供高质量的视频生成体验。它囊括了多种视频生成模型,包括阿里的Wan及其衍生模型、腾讯的Hunyuan Video和LTV Video等主流视频生成模型,通过简洁易用的网页界面,用户无需深入了解复杂的模型细节,即可轻松生成想要的视频内容。

Wan2GP 的问世,让广大低端显卡用户也能玩转高大上的视频生成项目了。就以HunyuanVideo 13B图生视频模型来说,原版需要至少80G显存才能跑得动的模型,现在 Wan2GP 把这个标准降低到10GB,而且生成的视频质量几乎没用任何的损失和降低。但缺点也是有的,生成时间会拉长,同时需要更大的运行内存。

img
img

Wan2GP核心功能解析

突破硬件限制的黑科技

  • 超低显存需求:1.3B模型仅需6GB显存,14B模型最低10GB显存即可运行
  • 老旧GPU兼容:完美支持RTX 1060至50系全系列N卡,通过CUDA 12.8优化实现性能跃升
  • 多模型集成:整合阿里Wan2.2、腾讯HunyuanVideo、LTV Video等主流开源模型

全能创作工具集

  • 文生视频(T2V):输入文本描述生成动态视频,支持中英双语提示词
  • 图生视频(I2V):静态图片转视频,新增首尾帧生成模式,实现精准镜头控制
  • 高级编辑功能:蒙版编辑、提示词增强、时空生成、多开WebUI等专业工具
  • LoRA扩展:支持自定义模型训练,满足个性化风格需求

系统环境准备

最低配置要求

组件

最低配置

推荐配置

操作系统

Windows 10 64位

Windows 11专业版

显卡

NVIDIA GTX 1660 (6GB VRAM)

NVIDIA RTX 4070 (12GB VRAM)

内存

16GB DDR4

32GB DDR5

存储

100GB SSD(剩余空间)

200GB NVMe SSD

其他

CUDA 12.8+

科学上网环境(模型下载)

星哥的测试环境

系统:Windows11专业版

CPU: 英特尔I7-13700KF

内存: 32G

硬盘:1T nvme +4T HHD

显卡:RTX 4070 Ti

详细安装步骤

要求环境

如果安装了,请忽略

RTX 10XX 至 RTX 40XX(稳定版)的安装

1.克隆项目到本地

通过 Conda 创建一个名为 wan2gp 的虚拟环境,并指定安装 Python 版本为 3.10.9

代码语言:javascript
代码运行次数:0
运行
复制
git clone https://github.com/deepbeepmeep/Wan2GP.git
cd Wan2GP
conda create -n wan2gp python=3.10.9
conda activate wan2gp

星哥遇到报错:

代码语言:javascript
代码运行次数:0
运行
复制
报错:
conda : 无法将“conda”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写,如果包括路径,请确保路径正
确,然后再试一次。
所在位置 行:1 字符: 1
+ conda create -n wan2gp python=3.10.9
+ ~~~~~
    + CategoryInfo          : ObjectNotFound: (conda:String) [], CommandNotFoundException
    + FullyQualifiedErrorId : CommandNotFoundException
    
应该如何解决?
​
解决:添加环境变量
$Env:Path += ";C:\Users\Administrator\miniconda3\Scripts;C:\Users\Administrator\miniconda3\condabin"

2.安装PyTorch

代码语言:javascript
代码运行次数:0
运行
复制
pip install torch==2.6.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/test/cu124
image-20250801145533229
image-20250801145533229

3.安装依赖项

代码语言:javascript
代码运行次数:0
运行
复制
pip install -r requirements.txt

4.可选的性能优化(自由选择)

贤者注意力(速度提高 30%)

代码语言:javascript
代码运行次数:0
运行
复制
pip install triton-windows

Sage 2 Attention(速度提高 40%)

代码语言:javascript
代码运行次数:0
运行
复制
pip install triton-windows 
pip install https://github.com/woct0rdho/SageAttention/releases/download/v2.1.1-windows/sageattention-2.1.1+cu126torch2.6.0-cp310-cp310-win_amd64.whl

运行使用方法:

代码语言:javascript
代码运行次数:0
运行
复制
python wgp.py  # 文字转视频 (default)
python wgp.py --i2v  # 图片转视频

运行后在CMD下可以看到UI界面的地址:http://localhost:7860

50XX系列显卡

如果你是英伟达50系列的显卡,可以使用以下命令部署

代码语言:javascript
代码运行次数:0
运行
复制
git clone https://github.com/deepbeepmeep/Wan2GP.git
cd Wan2GP
conda create -n wan2gp python=3.10.9
conda activate wan2gp
pip install torch==2.7.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/test/cu124
pip install -r requirements.txt
​
python wgp.py  # Text-to-video (default)
python wgp.py --i2v  # Image-to-video

注意

第一次使用模型,需要下载模型,不是浏览器卡主了

使用Wan2GP需要下载huggingface.co的模型,如果网络不好可能无法完成!

让其他小伙伴可以访问项目。

如果局域网中有其他的小伙伴想要访问此项目,可以把 文件“wgp.py”中的一个配置修改

把“localhost”改成“0.0.0.0”

代码语言:javascript
代码运行次数:0
运行
复制
wgp.py 文件中的8932行
这一行注释掉: #server_name = os.getenv("SERVER_NAME", "localhost")
把“localhost”改成“0.0.0.0”
server_name = os.getenv("SERVER_NAME", "0.0.0.0")  
image-20250806170143197
image-20250806170143197

关闭CMD,再次运行

代码语言:javascript
代码运行次数:0
运行
复制
conda activate wan2gp
python wgp.py
即可显示:
img
img

文生视频、生成第一个视频

使用以下提示词,选择wan2.1 ,模型选择 Text2video 1.3B

提示词

日落,暖色调,中景,低饱和度,日光,侧光,晴天光。在一间厨房里,一位外国白人男子正在准备食物。平拍中近景镜头中,他穿着一件白色衬衫和黑色领带,站在一张桌子前,桌子上放着一个蓝色的杯子、一罐糖和其他一些调料瓶。他从罐子中舀出一些糖放入杯子里。虚化的背景是一面装饰有花卉图案墙纸的墙壁,上面挂着一个白色的橱柜,里面装满了各种物品。阳光透过窗户洒进室内。

Text2video 1.3B 文生视频

img
img

会先现在模型,不要以为浏览器卡主了

生成的截图:

image-20250806155324556
image-20250806155324556

生成的视频会在outputs里面。

生成的视频:

对比

提示词来自:https://mp.weixin.qq.com/s/ucHuyomTZ6X2q_tL3wHQQg (晴天光)

img
img

内存溢出报错

由于GPU只有的显存只有12G,使用14B生成视频可能会报错。

Memory Management for the GPU Poor

代码语言:javascript
代码运行次数:0
运行
复制
* Running on local URL:  http://0.0.0.0:7860
​
To create a public link, set `share=True` in `launch()`.
Loading Model 'ckpts/hunyuan_video_720_quanto_int8.safetensors' ...
You are using the default legacy behaviour of the <class 'transformers.models.llama.tokenization_llama_fast.LlamaTokenizerFast'>. This is expected, and simply means that the `legacy` (previous) behavior will be used so nothing changes for you. If you want to use the new behaviour, set `legacy=False`. This should only be set if you understand what it means, and thoroughly read the reason why this was added as explained in https://github.com/huggingface/transformers/pull/24565 - if you loaded a llama tokenizer from a GGUF file you can ignore this message.
************ Memory Management for the GPU Poor (mmgp 3.5.3) by DeepBeepMeep ************

文生视频

这时候就要请出我们的坤坤出场了!

img
img

提示词: 一个男生穿着背带裤打篮球

模型:Fun InP image2video 1.3B

img
img

哎呀报错了:

img
img

要使用魔法上网

生成视频时的系统负载

img
img

生成的视频:

不好评价啊

最后

通过本文的安装教程,相信你已经可以顺利搭建起属于自己的AI视频生成工具——Wan2GP。赶快动手试试吧,看看AI能为你带来什么样的创作惊喜!

写文不易,如果你都看到了这里,请点个赞和在看,分享给更多的朋友;也别忘了关注星哥玩云!这里有满满的干货分享,还有轻松有趣的技术交流~点个赞、分享给身边的小伙伴,一起成长,一起玩转技术世界吧! 😊

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 快速上手AI视频生成神器,打造你的专属创作工具
    • 什么是Wan2GP
    • Wan2GP核心功能解析
      • 突破硬件限制的黑科技
      • 全能创作工具集
    • 系统环境准备
      • 最低配置要求
    • 详细安装步骤
      • 要求环境
    • RTX 10XX 至 RTX 40XX(稳定版)的安装
      • 1.克隆项目到本地
      • 2.安装PyTorch
      • 3.安装依赖项
      • 4.可选的性能优化(自由选择)
    • 50XX系列显卡
    • 注意
    • 让其他小伙伴可以访问项目。
    • 文生视频、生成第一个视频
      • 提示词
      • Text2video 1.3B 文生视频
    • 内存溢出报错
    • 文生视频
  • 最后
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档