Wan2.1 GP：基于阿里视频生成模型Wan 2.1，8G显存即可生成视频

Wan2.1 GP是一个基于阿里视频生成模型Wan 2.1的优化模型，专为普通消费级显卡用户优化，降低资源需求，同时提供强大的视频生成能力。它支持多种生成任务，包括文生视频（T2V）、图生视频（I2V）、文生图（T2I），甚至还能为视频配音（V2A）。结合 TeaCache 和 RIFLEx 等技术，Wan2.1 GP不仅降低了硬件门槛，还提升了生成质量和速度。

• GitHub：https://github.com/deepbeepmeep/Wan2GP
• 一键安装：https://pinokio.computer/item?uri=https://github.com/pinokiofactory/wan

优化与改进

Wan2.1 GP对原始的 Wan 2.1 模型进行了多项优化，使其能够在资源有限的设备上运行。具体改进包括：

1. 降低内存和显存需求
   该模型将内存和显存的需求大幅降低，最低可在8G显存的显卡上流畅运行。这使得普通消费级显卡用户也能体验到高性能的视频生成能力。
2. 加速生成过程
   通过编译优化和快速加载/卸载机制，Wan2.1 GP 的生成速度更快。例如，使用 RTX 4090，用户可以在少于 12GB 的 显存下生成 10 秒的 480p 视频，甚至生成超过 10 秒的 720p 视频。
3. 多配置支持
   Wan2.1 GP 提供多种配置文件，适用于不同硬件配置。无论是低端消费级配置（32G内存 和12G显存），还是高端消费级配置（48G内存 和 24G显存），用户都能以合适的速度运行模型。
4. 自动下载与简化安装
   该模型支持自动下载所需的文件，简化了安装过程。用户只需运行简单的命令即可完成安装。
5. 改进的 Web 界面
   Wan2.1 GP 提供了改进的 gradio 界面，带有进度条和更多选项，使用户能够更直观地监控生成过程。
6. 多提示与多次生成
   用户可以为每个提示输入多个提示词，并进行多次生成，进一步扩展了模型的灵活性。
7. 支持多个预训练的 Lora
   在 32G内存 或更少的配置下，Wan2.1 GP支持多个预训练的 Lora，进一步增强了模型的生成能力。

最新更新与功能

2025 年 3 月 3 日

• Wan2.1GP v1.3：支持使用多个图像进行不同图像/提示组合的图像到视频生成（需要 --multiple-images 开关）。新增 --preload x 命令行选项，允许用户在 显存 中预加载 x MB 的主扩散模型，以加速生成过程。如果升级，需要重新运行 pip install -r requirements.txt。
• Wan2.1GP v1.2：在 VAE 编码和解码中实现了平铺，消除了开头和结尾的显存峰值。
• Wan2.1GP v1.1：新增 Tea Cache 支持，加速生成速度。优化了 kijai 的 TeaCache 实现，并结合了 TeaCache 的功能。

2025 年 3 月 2 日

• Wan2.1GP v1：支持所有 Wan 模型，包括图像到视频模型。内存消耗减少 2 倍，支持 RTX 4090 生成超过 10 秒的 720p 视频，或在少于 12GB 的显存下生成 10 秒的 480p 视频。感谢 REFLEx 算法 提供的长度外推能力，使得生成的视频更加流畅。

特点总结

1. 高效资源利用
   Wan2.1 GP 大幅降低了内存 和显存 的需求，使其能够在普通消费级显卡上流畅运行。
2. 多任务支持
   支持文生视频（T2V）、图生视频（I2V）、文生图（T2I）和视频配音（V2A），满足多样化的生成需求。
3. 优化的用户体验
   提供改进的 Web 界面、自动下载模型文件、多提示支持和多次生成功能，进一步提升了用户体验。
4. 灵活的配置
   提供多种配置文件，适用于不同硬件配置，确保用户能够在有限的资源下高效运行模型。
5. 集成与扩展
   Wan2.1 GP可以通过 ComfyUI 调用，并支持 TeaCache 和 RIFLEx 等优化技术，进一步提升了生成效率和质量。