一篇普通人也能看懂的 Wan2.2 使用说明书
对话式、分步骤、零废话
“
适用人群：想在本地或云端跑通 Wan2.2 视频生成模型的开发者、设计师、研究者。
阅读时间：约 12 分钟。
你不需要成为 AI 专家，只要跟着步骤做，就能把文字或图片变成 720P、24 fps 的视频。
1. 先回答 3 个最常见的问题
| 问题 | 一句话回答 |
|---|---|
| Wan2.2 是什么？ | 一套开源的大规模视频生成模型，支持文本→视频、图片→视频、文本+图片→视频，720P 起步。 |
| 对机器有什么要求？ | 最低 24 GB 显存的消费级显卡（如 RTX 4090，跑 TI2V-5B）；80 GB 显存可跑更大的 A14B 模型。 |
| 要不要钱？ | 模型权重、代码全部免费下载，遵循 Apache 2.0 许可。 |
2. 一分钟看懂 Wan2.2 的 4 个亮点
| 亮点 | 给非技术人的解释 |
|---|---|
| MoE 混合专家架构 | 把“画草稿”和“精修”分别交给两位专家，结果更好，速度不减。 |
| 电影级审美 | 训练数据里多了灯光、构图、色调标签，生成的镜头更像大片。 |
| 动作更丰富 | 训练数据比上一代多了 65 % 图片、83 % 视频，复杂动作不再糊。 |
| 720P 实时生成 | 5B 模型在 4090 上 9 分钟一条 5 秒视频，作者称“目前最快 720P@24fps 之一”。 |
3. 安装：3 条路线，总有一条适合你
“
建议：
Windows / macOS 初学者 → 用 pip。需要可重复环境 → 用 poetry。遇到 flash-attn死活装不上 → 直接看“常见问题”。
3.1 pip 路线（最简）
git clone https://github.com/Wan-Video/Wan2.2.git
cd Wan2.2
# 1. 确保 torch ≥ 2.4.0
pip install -r requirements.txt
# 2. 如果 flash_attn 报错，先跳过它，把别的包装完再单独装
pip install flash-attn --no-build-isolation # 不成功就往下看
3.2 poetry 路线（可复现）
# 0. 安装 poetry（官方推荐方式）
curl -sSL https://install.python-poetry.org | python3 -
# 1. 依赖一步到位
poetry install
# 2. 万一 flash-attn 失败
poetry run pip install --upgrade pip setuptools wheel
poetry run pip install flash-attn --no-build-isolation
poetry install # 重新对齐锁文件
3.3 常见问题（FAQ 形式）
| 报错 | 原因 | 解决 |
|---|---|---|
error: command 'gcc' failed |
系统缺少编译器 | Ubuntu: sudo apt install build-essential |
PEP 517 与 flash-attn |
隔离编译环境不兼容 | 使用 --no-build-isolation |
| 公司网络拉不动 GitHub | GitHub 连接超时 | 用镜像：pip install git+https://ghproxy.com/https://github.com/Dao-AILab/flash-attention.git |
4. 模型下载：两种官方渠道
“
所有模型权重都托管在 Hugging Face 和 ModelScope，二选一即可。
| 模型 | 任务 | 适用分辨率 | Hugging Face | ModelScope |
|---|---|---|---|---|
| T2V-A14B | 文本→视频 | 480P / 720P | 链接 | 链接 |
| I2V-A14B | 图片→视频 | 480P / 720P | 链接 | 链接 |
| TI2V-5B | 文本+图片→视频 | 720P@24fps | 链接 | 链接 |
4.1 下载示例（huggingface-cli）
pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B
4.2 下载示例（modelscope-cli）
pip install modelscope
modelscope download Wan-AI/Wan2.2-T2V-A14B --local_dir ./Wan2.2-T2V-A14B
5. 跑起来：三条核心命令
“
下面所有命令都在
Wan2.2根目录执行。
只是演示，把--prompt换成你自己的创意即可。
5.1 文本→视频（T2V-A14B）
单卡（80 GB 显存）
python generate.py \
--task t2v-A14B \
--size 1280*720 \
--ckpt_dir ./Wan2.2-T2V-A14B \
--offload_model True \
--convert_model_dtype \
--prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."
8 卡多机（FSDP + DeepSpeed Ulysses）
torchrun --nproc_per_node=8 generate.py \
--task t2v-A14B \
--size 1280*720 \
--ckpt_dir ./Wan2.2-T2V-A14B \
--dit_fsdp --t5_fsdp --ulysses_size 8 \
--prompt "两只拟人化的猫穿着拳击服在聚光灯下激烈对战"
5.2 图片→视频（I2V-A14B）
python generate.py \
--task i2v-A14B \
--size 1280*720 \
--ckpt_dir ./Wan2.2-I2V-A14B \
--image examples/i2v_input.JPG \
--offload_model True \
--convert_model_dtype \
--prompt "Summer beach vacation style, a white cat wearing sunglasses sits on a surfboard..."
5.3 文本+图片→视频（TI2V-5B）
“
24 GB 显存即可跑，4090 用户友好。
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 "Summer beach vacation style..."
6. Prompt 扩展：让 AI 帮你写提示词
“
如果你懒得写长 prompt，可以让大语言模型帮你扩写。Wan2.2 官方提供了两种方法。
| 方法 | 特点 | 用法示例 |
|---|---|---|
| Dashscope 在线 API | 不占用本地 GPU，需阿里云账号 | DASH_API_KEY=xxx torchrun ... --use_prompt_extend --prompt_extend_method dashscope |
| 本地 Qwen 模型 | 完全离线，吃显存 | torchrun ... --use_prompt_extend --prompt_extend_method local_qwen --prompt_extend_model Qwen/Qwen2.5-7B-Instruct |
7. GPU 性能参考表
“
官方在 Hopper 架构（H100）和 Ada 架构（4090）上跑了基准。
格式：总时间 (秒) / 峰值显存 (GB)
| 模型 | 单卡 4090 | 8×H100 | 备注 |
|---|---|---|---|
| T2V-A14B | 不支持 | 30 s / 65 GB | 需 80 GB 显存 |
| TI2V-5B | 540 s / 22 GB | 70 s / 12 GB | 4090 可跑 |
8. 常见疑问（FAQ）
8.1 生成视频最长可以几秒？
-
TI2V-5B：默认 5 秒，24 fps。 -
A14B：与分辨率有关，720P 建议 5–8 秒，480P 可更长。
8.2 如何降低显存占用？
-
加 --offload_model True -
加 --convert_model_dtype（把 fp32 降到 fp16/bf16） -
文本编码器放入 CPU： --t5_cpu
8.3 生成结果文件夹在哪？
-
默认在项目根目录的 outputs/下，按时间戳分子目录。
8.4 支持 Windows 吗？
-
支持。只要 PyTorch、CUDA 装好了，其余步骤和 Linux 一致。
9. 开发者小贴士
-
格式化代码：
black . isort . -
跑单测：
bash tests/test.sh -
ComfyUI / Diffusers 已集成：
-
ComfyUI：中文教程 -
Diffusers：HuggingFace 仓库
-
10. 引用
如果本文对你的研究或项目有帮助，请引用官方论文：
@article{wan2025,
title={Wan: Open and Advanced Large-Scale Video Generative Models},
author={Team Wan et al.},
journal={arXiv preprint arXiv:2503.20314},
year={2025}
}
11. 许可证与责任
-
代码 & 权重：Apache 2.0 -
生成内容版权归属用户，但需遵守当地法律法规，不得用于违法用途。 -
完整法律文本见仓库根目录的 LICENSE.txt。
写在最后
你现在已经拥有从零开始跑通 Wan2.2 的全部信息。
如果还有疑问，欢迎在 GitHub 提 issue，或者加入官方 Discord、微信交流群。
祝你玩得开心，创作愉快！
