HunyuanVideo

环境要求

• Linux 系统（README 提供 Linux 安装指南）
• NVIDIA GPU，建议 CUDA 12.4 或 11.8
• 已安装 Conda（README 指向 miniconda 安装文档）
• Python 3.8 环境（依赖路径中出现 python3.8）
• Git 用于克隆仓库

安装与启动步骤

1. 1克隆仓库

   从 GitHub 拉取 HunyuanVideo 源码并进入项目目录，后续所有命令都在该目录执行。

   git clone https://github.com/Tencent-Hunyuan/HunyuanVideo
   cd HunyuanVideo

   复制

2. 2创建 conda 环境

   README 提示用 conda 安装 PyTorch 等依赖，但节选中未给出具体创建命令，请按官方文档创建 Python 3.8 环境并激活。

3. 3安装 pip 依赖

   在已激活的环境中以模块方式调用 pip，安装 requirements.txt 中列出的全部依赖，耗时较长请耐心等待。

   python -m pip install -r requirements.txt

   复制

4. 4安装 flash-attn

   先装 ninja 作为构建工具，再安装 flash-attention v2.6.3 加速推理，要求 CUDA 11.8 及以上。

   python -m pip install ninja
   python -m pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.6.3

   复制

5. 5安装 xDiT

   安装 xfuser 0.4.0 用于并行推理，README 建议搭配 torch 2.6.0 与 flash-attn 2.6.3。

   python -m pip install xfuser==0.4.0

   复制

6. 6启动 Gradio 服务

   运行 Gradio 服务脚本并开启 flow-reverse 参数，启动后按终端提示的本地地址在浏览器访问。

   python3 gradio_server.py --flow-reverse

   复制

关键配置

如何确认成功

终端不再报错并输出 Gradio 的本地访问地址，浏览器打开该地址能看到生成界面并可提交提示词。

常见问题

注意事项

• README 中 conda 环境创建的 #1、#2 步命令在节选中缺失，请参考官方仓库完整文档补全。
• flash-attention 需要自行编译，安装时间较长且对 CUDA 版本敏感。
• 生成视频默认保存在 ./results 目录，可通过 --save-path 修改。
• 模型权重可在 HuggingFace 的 tencent/HunyuanVideo 仓库获取。