Wan2.2-TI2V-5B本地部署完整教程：单卡 24GB 如何跑通 720P 视频生成

Wan2.2-TI2V-5B本地部署完整教程单卡 24GB 如何跑通 720P 视频生成【免费下载链接】Wan2.2-TI2V-5BWan2.2-TI2V-5B是一款开源的先进视频生成模型基于创新的混合专家架构MoE设计显著提升了视频生成的质量与效率。该模型支持文本生成视频和图像生成视频两种模项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5BWan2.2-TI2V-5B 本地部署是这篇文章要带你走通的全流程。这个开源视频生成模型既能把一段文字直接变成视频也能让一张首帧图动起来成品是 720P24fps 的片段。你需要的硬件门槛并不高一张 24GB 显存的消费级显卡比如 RTX 4090就能开跑。跟下来你会在自己的机器上跑出一条真正的出片命令。先看你能做出什么以及门槛在哪输出规格5 秒左右、720P 分辨率、24fps 的视频片段两种玩法纯文字生成视频T2V或首帧图生成视频I2V同一套权重统一支持速度参考单张消费级 GPU 上5 秒 720P 视频大约 9 分钟出片是目前 720P24fps 档位里速度最快的开源方案之一架构底子Wan2.2 系列把混合专家MoE引入了视频扩散模型搭配高压缩率 Wan2.2-VAE显存和算力开销被压得很低把三条硬指标记下来项目最低要求说明GPU≥24GB 显存RTX 4090 级别即可80GB 的卡还有提速空间内存32GB 及以上权重加载和 offload 都依赖系统内存磁盘≥20GB 可用空间放模型权重、分词器和代码开跑前检查清单装好运行环境先拉下推理代码再装依赖PyTorch 需 ≥2.4.0CUDA ≥11.7Python ≥3.8git clone https://gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B pip install huggingface_hub[cli]两条命令分别负责有代码和有下载工具后一步拉权重会用到第二条装好的 CLI。把权重文件拉下来两条通道任选其一国内网络下 ModelScope 通常更稳huggingface-cli download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5Bpip install modelscope modelscope download Wan-AI/Wan2.2-TI2V-5B --local_dir ./Wan2.2-TI2V-5B两条命令的落盘结果一致后一条更适合 HF 直连不畅的环境省得反复重试。核对本地文件是否齐全下载结束后目录里应该有这些核心内容文件 / 目录作用Wan2.2_VAE.pth高压缩率视频 VAE 权重models_t5_umt5-xxl-enc-bf16.pth文本编码器UMT5-XXLbf16diffusion_pytorch_model-00001-of-00003.safetensors扩散主干权重共 3 个分片config.json模型结构配置层数、hidden dim 等google/umt5-xxl/T5 分词器文件如果某个分片缺失或大小异常推理会在加载权重阶段直接报错。此时按上面的清单对照重下即可不用怀疑代码。跑通第一条命令逐段拆一条 T2V 命令python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --prompt 两只穿着舒适拳击装备和鲜艳手套的拟人化猫在聚光灯下的舞台上激烈搏斗参数从左到右各管一段挨个说--task ti2v-5B选文本/图像到视频这个任务档位--size 1280*704T2V 场景下 720P 就是这两个数值想竖屏就写成704*1280--ckpt_dir ./Wan2.2-TI2V-5B指向你刚才下载的权重目录--offload_model True扩散主干按需分片搬回 CPU是 24GB 显存能跑起来的关键--t5_cpu文本编码器直接放 CPU推理前只编码一次几乎不损失速度--convert_model_dtype把参数类型对齐 config.json 里声明的低精度再省一截显存--prompt ...视频内容描述写得越具体出片越稳24GB 显卡上后三个省显存开关建议全开。如果你手里是 80GB 显存的卡把--offload_model True、--convert_model_dtype、--t5_cpu三项删掉换回更快的推理速度。加一张图切到 I2V 模式python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --image examples/i2v_input.JPG --prompt 夏季海滩度假风格一只戴着太阳镜的白猫坐在冲浪板上。毛茸茸的猫咪带着放松的表情直视镜头。模糊的海滩景色构成背景以清澈的海水、远处的绿色山丘和点缀着白云的蓝天为特色。猫咪呈现自然放松的姿态仿佛在享受海风和温暖的阳光。特写镜头突出了猫咪的精致细节和海边的清新氛围和上一条比多出来的只有--image。填了它模型以这张图为首帧做 I2V不填则默认走 T2V。此时--size的含义变成了生成区域面积输出的宽高比会跟随输入图。示例首帧图在 examples/i2v_input.JPG。读懂它的两处设计MoE 双专家怎么分工去噪按阶段交给两个专家高噪声专家管前期负责搭整体布局低噪声专家管后期负责磨细节。切换时机由信号噪声比SNR决定单调递减越过阈值步就换人。每个专家约 140 亿参数而每一步只激活 140 亿参数——推理算力和显存占用因此基本不变。压缩率为什么能把显存打下来Wan2.2-VAE 在时间、高、宽三个轴上做 4×16×16 的压缩整体压缩率 64 倍再叠加一个分块patchification层TI2V-5B 的总压缩比进一步到 4×32×32。潜空间被压小之后扩散主干要处理的 token 数量同步下降——这就是它能在单张消费级 GPU 上、9 分钟内出 5 秒 720P 视频的直接原因。多卡推理一条 torchrun 命令torchrun --nproc_per_node8 generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --dit_fsdp --t5_fsdp --ulysses_size 8 --image examples/i2v_input.JPG --prompt 夏季海滩度假风格描述这里用 FSDP 把 DiT 和 T5 切到多张卡上再叠加 DeepSpeed Ulysses 做序列并行。--nproc_per_node和--ulysses_size填成一致即可卡数不是 8 时两个数值同步改成你的实际卡数例如 4。避坑提示部署阶段OOM 和路径报错显存不够OOM先确认--offload_model True与--t5_cpu都已启用并加上--convert_model_dtype仍不够就换更大显存的卡加载权重报错十有八九是--ckpt_dir指错了目录或权重分片没下载完整。对照前面的文件清单重下即可生成阶段慢、糊、跑偏太慢80GB 显存的卡直接删掉三个省显存开关显存紧张时别强行全开速度会打折画面不够好把 prompt 写具体——场景、动作、情绪分开描述再补光照、构图、对比度这类美学标签出片稳定性会明显提升图生视频比例不对记住 I2V 模式下--size是面积概念比例跟着输入图走。想控制输出形状先裁好输入图再跑下一步现在就跑那条 T2V 命令做冒烟测试用一句短 prompt 确认权重、依赖全部就位再换完整描述跑正式片段。80GB 显存的机器可以同时把省显存开关删掉直接享受更快的出片速度。【免费下载链接】Wan2.2-TI2V-5BWan2.2-TI2V-5B是一款开源的先进视频生成模型基于创新的混合专家架构MoE设计显著提升了视频生成的质量与效率。该模型支持文本生成视频和图像生成视频两种模项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考