这是什么
Wan2.1 是阿里巴巴开源的视频基础模型，Python 编写，Apache-2.0 协议，GitHub 上约 1.7 万 Star。它是继 CogVideoX 之后国产开源视频生成领域的又一个重磅作品，官方给它的定位是「开放、先进的大规模视频生成模型」。它的厉害之处在于「全能」：文生视频、图生视频、视频编辑、文生图、视频配音这几类任务，用这一套模型体系就能覆盖，而不是每个功能各装一个工具。更关键的是，它专门优化了消费级显卡的可用性，最小的 1.3B 文生视频模型只需约 8GB 显存，几乎任何一张还不错的游戏显卡都能跑起来。
在官方基准里，Wan2.1 在多个评测上持续超越现有开源模型，甚至能和一些顶尖商业方案掰手腕。对普通创作者来说，这意味着你可以在自己的电脑上、用一张中端显卡，免费做出接近商业产品的视频效果。
核心能力
- 文生视频：输入一句提示词，生成 5 秒 480P 或 720P 视频，1.3B 与 14B 两个版本可选
- 图生视频：给一张图让它动起来，14B 模型支持 480P 与 720P
- 视频编辑 VACE：对已有视频做局部替换、编辑与再创作，1.3B 与 14B 都有
- 中英文文字生成：首个能在视频里同时生成中文和英文文字的视频模型，做字幕、标题、招牌很实用
- 消费级显卡可跑：1.3B 模型仅需约 8.19GB 显存，RTX 4090 上约 4 分钟出 5 秒视频
- 生态完善：原生支持 ComfyUI、Diffusers、Gradio 演示，ModelScope 与 Hugging Face 都能下载权重
适合谁
- 短视频创作者，想用本地模型免费批量做视频素材、片段和转场的
- AI 绘图玩家，已经会用 ComfyUI 或 Stable Diffusion，想顺手上手视频生成的
- 做电商视频、商品展示、广告片的，想让静态产品图动起来、生成演示画面
- 开发者与研究者，想基于开源视频基础模型做二次开发、微调或产品集成的
获取方式
官网 wan.video 提供在线体验、技术报告与博客；权重在 Hugging Face 的 Wan-AI 组织和 ModelScope 上都能下载，共提供 T2V-14B、T2V-1.3B、I2V-14B、FLF2V、VACE 等多个型号。本地运行用 git clone 仓库后 pip 装依赖即可，也支持 ComfyUI 节点和 Diffusers 管道，Apache-2.0 开源免费。1.3B 模型 8GB 显存起步，14B 模型建议多卡或大显存，在线体验则完全不用管硬件。
项目地址：https://github.com/Wan-Video/Wan2.1
相关阅读
© 版权声明
文章版权归作者所有，未经允许请勿转载。
