Wan2.2-TI2V-5B 本地部署从拉取权重到第一条 720P 视频【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想让一句话或一张静态图变成 5 秒的 720P 视频又不想按小时租云 GPU本地部署 Wan2.2-TI2V-5B 视频生成模型一张 24GB 显存的消费级显卡就能跑单卡 9 分钟出头出一条 5 秒、24fps 的视频文本生视频和图像生视频共用同一套权重。机器先过一遍24GB 显存是及格线装之前确认四件事缺一样先解决一样项目要求GPU 显存≥24GB24GB 要开满省显存参数≥80GB 可全关提速磁盘权重合计约 34GB建议留 40GB 以上Python / 框架Python 3.10 左右torch ≥ 2.4.0路径Linux 或 WSL2 均可仓库路径必须纯英文、无空格两件套推理代码 34GB 权重这个仓库hf_mirrors/Wan-AI/Wan2.2-TI2V-5B放的是权重3 个分片的 diffusion 主干合计约 20GB、VAEWan2.2_VAE.pth约 2.6GB、文本编码器models_t5_umt5-xxl-enc-bf16.pth约 10.5GB、google/umt5-xxl/下的分词器文件以及config.json等配置。真正执行推理的generate.py和依赖清单在官方 Wan2.2 代码仓库作者 Wan-Video仓库名 Wan2.2里两个仓库要一起准备。代码仓库克隆下来后进目录装依赖torch 需 ≥2.4.0pip install -r requirements.txt没有报错输出就算通过。接着把权重克隆到代码仓库目录内保持和官方 README 一致的相对路径后面命令可以直接复制cd Wan2.2 git clone https://gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B⚠️ 仓库的大文件走 Git LFS网络不顺时 clone 可能只拉到指针文件每个只有几百字节。拉完立即验证预期是 VAE 约 2.6G、T5 约 10.5G、三个 safetensors 合计约 20Gdu -sh Wan2.2-TI2V-5B/*.pth Wan2.2-TI2V-5B/*.safetensors如果某一项显示 4K说明 LFS 没拉全执行git lfs install git lfs pull后重新检查。第一条视频一条命令出 720P 文生视频在代码仓库目录Wan2.2/下执行python generate.py --task ti2v-5B --size 1280*704 \ --ckpt_dir ./Wan2.2-TI2V-5B \ --offload_model True --convert_model_dtype --t5_cpu \ --prompt 两只穿着拳击服的拟人化猫在聚光灯擂台上对战慢动作特写电影级光影这条命令用纯文本提示词做文生视频。三个开关是 24GB 显存能跑通的全部原因--offload_model True把当前不用的模块换到 CPU--convert_model_dtype按config.json里的 dtype 降精度--t5_cpu把 10GB 的文本编码器整个放到 CPU。预期输出终端先加载权重再走出噪进度条最后把 mp4 存到代码仓库的outputs/目录默认 121 帧、24fps约 5 秒。⚠️ 这个任务的 720P 只有1280*704和704*1280两个值不是 1280*720传错尺寸会直接报错。加一个 --image切到图生视频有参考图时同一个任务名多一个参数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 夏日海滩一只戴墨镜的白猫坐在冲浪板上镜头缓慢推近背景虚化--image配上就是图生视频不配就是文生视频这是官方代码的判断方式examples/i2v_input.JPG是仓库自带的示例图可以先拿它试。另注意I2V 模式下--size表示输出画面的面积宽高比跟随你的参考图——想竖屏输出就把参考图换成竖的而不是改 size。省显存靠什么MoE 双专家与高压缩 VAEWan2.2 系列的主线设计是把去噪过程按噪声水平切成两段交给两个各约 14B 参数的专家早期的高噪声专家负责整体布局与运动骨架后期的低噪声专家负责纹理细节切换点由信噪比决定。总容量 27B、每步只激活 14B推理算力和显存跟 14B 稠密模型基本持平——这套 MoE 是 A14B 系列的招牌。TI2V-5B 本身是 5B 稠密模型config.json里 30 层、dim 3072、24 头没走双专家路线它省显存的赌注在 VAE 侧Wan2.2-VAE 做 16×16×4 的时空压缩再加 patchify 层后总压缩比到 4×32×32。720P 视频进潜空间后被压成很小的张量diffusion 主干的计算量直接少一个量级5 秒 720P 视频才能在单张消费级显卡上 9 分钟内跑完文本和图像两种输入也因此能在同一套权重里统一。显存和速度只需要做三个决定你的显存参数怎么配≥80GB--offload_model True --convert_model_dtype --t5_cpu全去掉裸跑最快24–80GB保留--convert_model_dtype显存吃紧时再加--offload_model True24GB 上下三个开关全开即前两条命令的默认写法多卡环境用 FSDP Ulysses 切分8 卡示例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 \ --prompt 城市夜景霓虹灯下的雨后街道镜头缓慢横移--ulysses_size必须等于--nproc_per_node的进程数--dit_fsdp和--t5_fsdp分别把 diffusion 主干和文本编码器做 FSDP 切分。高频问题速查现象原因解法权重文件只有几百字节大文件走 LFSclone 只拉到指针git lfs install git lfs pull再用du -sh核对大小CUDA out of memory24GB 显存没开省显存开关加--offload_model True --convert_model_dtype --t5_cpu仍 OOM 就调小--frame_num报错提示尺寸不支持720P 传成了 1280*720只用1280*704或704*1280两个值找不到文件 / 乱码路径含中文或空格代码与权重目录全部改成纯英文路径I2V 输出尺寸和--size写得的不一样size 是面积比例跟随输入图想控制输出比例换对应比例的参考图跑通之后三个进阶方向想让短提示词出片更稳加--use_prompt_extend先用大模型把提示词扩写成带镜头、光影描述的长文再生成代价是多等一小会儿。想加快生成把多卡命令里的--ulysses_size改成实际卡数即可参数组合不用动。想接 ComfyUI 或在代码里用 Python 调用 TI2V-5B官方 Wan2.2 的 ComfyUI / Diffusers 集成都已覆盖这个模型按官方 README 对应章节接就行。先把默认参数的1280*704文生视频跑通、确认outputs/里的 mp4 正常再回去动--sample_steps和--frame_num——顺序反了调试参数时每次都要多等几分钟。【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