Wan2.2

环境要求

• Linux 环境，已安装 Git 与 Python 及 pip
• 已配置可用的 CUDA GPU 环境（A14B 模型建议 80GB 显存，TI2V-5B 可 24GB 如 RTX 4090）
• 提前从 Hugging Face 或 ModelScope 获取模型权重并放到仓库目录下
• 使用提示词扩展时需申请 Dashscope API Key 或准备本地 Qwen 模型

安装与启动步骤

1. 1克隆项目仓库

   把 Wan2.2 源码下载到本地并进入项目根目录，后续所有命令都在该目录执行。

   git clone https://github.com/Wan-Video/Wan2.2.git
   cd Wan2.2

   复制

2. 2安装基础依赖

   安装 requirements.txt 中的依赖。若 flash_attn 安装失败，先装其它包最后再单独装它。

   pip install -r requirements.txt

   复制

3. 3安装语音驱动依赖

   仅当要用 CosyVoice 为语音驱动视频生成合成语音时才需要，普通文生/图生视频可跳过。

   pip install -r requirements_s2v.txt

   复制

4. 4准备模型权重

   README 未给出下载命令，请从 Hugging Face 或 ModelScope 下载权重，并放到 ./Wan2.2-T2V-A14B 等对应目录。

5. 5单卡文生视频

   用 t2v-A14B 跑文生视频，720P 约需 80GB 显存；显存不足可加 --t5_cpu 进一步省显存。

   python generate.py  --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."

   复制

6. 6多卡文生视频

   用 FSDP + DeepSpeed Ulysses 做 8 卡并行加速推理，nproc_per_node 按实际卡数调整。

   torchrun --nproc_per_node=8 generate.py --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --dit_fsdp --t5_fsdp --ulysses_size 8 --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."

   复制

7. 7开启提示词扩展

   用 Dashscope 的 qwen-plus 扩展提示词提升画质，需先配置 DASH_API_KEY，国际站还要设 DASH_API_URL。

   DASH_API_KEY=your_key torchrun --nproc_per_node=8 generate.py  --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --dit_fsdp --t5_fsdp --ulysses_size 8 --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage" --use_prompt_extend --prompt_extend_method 'dashscope' --prompt_extend_target_lang 'zh'

   复制

8. 8图生视频

   用 i2v-A14B 以示例图片生成视频，size 表示生成视频面积，宽高比跟随输入图。

   python generate.py --task i2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-I2V-A14B --offload_model True --convert_model_dtype --image examples/i2v_input.JPG --prompt "Summer beach vacation style, a white cat wearing sunglasses sits on a surfboard."

   复制

关键配置

如何确认成功

命令执行完成且日志无 OOM 或报错，运行目录下能看到生成的视频结果文件即成功。

常见问题

注意事项

• README 未提供模型权重下载命令，需自行从 Hugging Face 或 ModelScope 获取并放到对应 --ckpt_dir 目录。
• A14B 单卡推理约需 80GB 显存，多卡命令中的 --nproc_per_node 与 --ulysses_size 请按实际卡数填写。
• 文图生视频 ti2v-5B 的 720P 分辨率必须写 1280*704 或 704*1280，与其它任务不同。
• 图生视频任务的 --size 表示生成视频面积，宽高比会自动跟随输入图片。