全民瑟瑟时代！4分钟一个AI视频，8GB显存就能跑，通义万相开源

大家好，这里是Cherry，喜爱折腾、玩数码，热衷于分享数码玩耍经验~

Deepseek-R1的面世和开源，除了让AI再一次得到推广，并且让更多的人能使用和体验到之外。

还带来了两个好处：第一个是越来越多的服务商接入Deepseek-R1满血版，让各行业有了低成本高效果的AI结合体验。第二个则是让原来端着的、藏着的AI模型，开始耐不住一个个也跟着放大招了。

昨天晚上，阿里宣布要开源通义万相的Wan 2.1模型，也是首个支持中英文文字生成的视频模型。

今天凌晨左右，相关代码在hugging和github上正式开源。

🔻Wan 2.1支持用视频生成中文字，已经不再是 AI 乱码文字了。

官网使用

目前，在通义万象的官网平台上，我们通过每日签到来获取灵感值，然后通过消耗灵感值来生成视频。

我测试了一下专业版，消耗5点灵感值，即每天可以生成10个6秒的短视频。每个视频生成时间在5分钟。

QQ_1740556531948.png

画面效果： 这个视频，我反复观察了很久，整体画面还是有明显的AI特征，远程的人物和物体会有幻觉产生。面部表情等稍微有些变形，背景模糊，其它的都还不错，小窗看还是不错的。

感兴趣的可以看看视频：https://tongyi.aliyun.com/wanxiang/preview?targetUrl=https://wanx.alicdn.com/wanx/1740494755092755836/video_super_resolution/03a2b7e4595648d4909e65cf94132209.mp4&urlType=video&resolution=1920*1080

8Gb显存就能本地跑

在本地部署方面，通义万象的wan2.1发布了1.5B，14B等版本。我们通过github或者抱脸虫就可以下载模型使用，支持python直接跑。

👍 SOTA性能：wan2.1在多个基准测试中始终优于现有的开源模型和最先进的商业解决方案。

👍 支持消费级GPU：T2V-1.3B模型仅需8.19 GB VRAM，使其兼容几乎所有消费级GPU，可在大约4分钟内在RTX 4090上生成5秒480P视频（无需量化等优化技术），其性能甚至可与一些闭源模型相媲美。

👍 多任务：wan2.1擅长文本到视频、图像到视频、视频编辑、文本到图像和视频到音频，推动了视频生成领域的发展。

👍 视觉文本生成：wan2.1是第一个能够生成中英文文本的视频模型，具有强大的文本生成功能，增强了其实际应用。

👍 强大的视频VAE：wan-VAE提供卓越的效率和性能，编码和解码任何长度的1080P视频，同时保留时间信息，使其成为视频和图像生成的理想基础。

🔻目前开放了4个模型，分别支持480p和720p的视频。

Wan2.1-1.5b

Wan2.1-14b（480p）

Wan2.1-14b（720p）

Wan2.1-14b（480p&720p）

🔻开源地址

https://huggingface.co/Wan-AI

https://github.com/Wan-Video/Wan2.1

huggingface

github

在官方的测试中，4090运用8G显存，可以在261秒内生成一个480P的视频。

linux直接使用方法。

1.git clone https://github.com/Wan-Video/Wan2.1.git

2.cd Wan2.1

3.pip install -r requirements.txt

4.pip install "huggingface_hub[cli]"

5.huggingface-cli download Wan-AI/Wan2.1-T2V-14B --local-dir ./Wan2.1-T2V-14B

6.python generate.py --task t2v-14B --size 1280*720 --ckpt_dir ./Wan2.1-T2V-14B --prompt "文本描述"

和Deepseek的组合拳

为了让视频生成的效果更好，我们可以通过deepseek官网，输入我们想要的画面，然后让Deepseek帮我们润色。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～