2025 年 2 月 25 日，阿里通义实验室正式开源了其最新一代视频生成模型 Wan2.1 系列。这一系列模型包括文生视频和图生视频，每个模型都具备独特的优势和应用场景：
- Wan2.1-I2V-14B：图生视频，提供 480P 和 720P 两种分辨率，能够生成展示复杂视觉场景和运动模式的视频。
- Wan2.1-T2V-14B：文生视频，能够生成具有强大运动动态的高质量视觉效果。
- Wan2.1-T2V-1.3B：支持在几乎所有消费级显卡上运行，仅需 8.19 GB 显存即可生成 5 秒的 480P 视频。
尽管这些模型功能强大，且 ComfyUI 官方已经原生支持 Wan2.1 系列，第三方插件作者也进行了优化，但由于模型体积较大，多数用户的显卡在运行时会爆显存。（相关：ComfyUI 宣布已原生支持阿里开源视频生成模型Wan2.1）
- ComfyUI官方工作流：https://comfyanonymous.github.io/ComfyUI_examples/wan
- ComfyUI官方量化模型：Hugging Face|魔塔 （国内用户请从魔塔下载）
不过，开源社区的力量不容小觑，开发者们已经通过量化模型和优化节点来降低显存占用。今天，我们将分享两款仅需 12GB 显存即可运行的 Wan2.1 480P I2V 模型的工作流。
第一款：Wan 2.1 GGUF I2V + Upscale
这款工作流主要依赖 ComfyUI-GGUF 和 ComfyUI-KJNodes 两款插件，运用了 Triton 和 SageAttention 等加速技术。此前，Triton 在 Windows 上的安装较为复杂，但近期已有开发者将其移植到 Windows 平台，并上架至 PyPI。
- 工作流：https://civitai.com/models/1278171
- ComfyUI-GGUF：https://github.com/city96/ComfyUI-GGUF
- ComfyUI-KJNodes：https://github.com/kijai/ComfyUI-KJNodes
- triton-windows：https://github.com/woct0rdho/triton-windows
- GGUF量化模型：Hugging Face|魔塔 （国内用户请从魔塔下载）
安装方法
- 找到你安装的 ComfyUI 文件夹下的
python目录，定位到python.exe文件。 - 鼠标右键单击
python.exe，选择“复制文件地址”。 - 打开终端（以管理员身份运行），并使用以下命令安装依赖：
python_embeded\python.exe -m pip install sageattention
python_embeded\python.exe -m pip install triton-windows将 python_embeded\python.exe 替换为你复制的 python.exe 文件地址。
模型放置
- Wan2.1 480p I2V：
/unet（根据需要调整） - Clip vision：
/clip_vision - Vae：
/vae - Text encoder：
/clip或/text_encoders - (可选) Upscale：
/upscale_models
第二款：Wan 2.1 简单工作流
这款工作流相对简单，主要依赖 ComfyUI-GGUF 插件，使用了作者 city96 优化的量化版 GGUF 模型。通过这一版本，用户可以在较低显存的设备上快速生成视频，而无需复杂的配置。
总结
开源模型的强大之处在于社区的支持和持续优化。通过上述两款工作流，用户可以在仅需 12GB 显存的设备上运行 Wan2.1 480P I2V 模型，大大降低了硬件门槛。无论是复杂的图生视频还是高效的文生视频，Wan2.1 系列都能满足你的需求。希望这些优化方案能帮助你更好地利用这一强大的工具，释放你的创造力。
- 工作流备份下载：https://www.123865.com/s/hyQyTd-wuhDv 提取码:qewS
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
