使用3090显卡部署Wan2.1生成视频

原创 已于 2025-02-28 18:02:45 修改 · 1.5k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#音视频 #AI #T2V

于 2025-02-28 17:58:22 首次发布

layout: post
title: 使用3090显卡部署Wan2.1生成视频
catalog: true
tag: [Kubernetes, GPU, AI]

使用3090显卡部署Wan2.1生成视频

1. 环境说明

名称 规格 备注
内存VRAM 22GB 22G不够用，需要更大的内存，如果没有的话可以用swap内存代替
显卡 3090 NVIDIA
显存 24GB
CUDA 12.5 CUDA >= 11.7 否则会失败

2. 模型下载

使用 hfs.sh脚本下载模型

./hfd.sh Wan-AI/Wan2.1-T2V-1.3B --tool aria2c -x 10 --hf_token xxxxxxx --hf_username xxxxxxx

3. 克隆仓库

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

4. 安装依赖

Note: CUDA >= 11.7 torch >= 2.4.0

cd Wan2.1
pip install -r requirements.txt

5. 生成视频

5.1. 使用generate脚本生成

Note: 一定要配置 --offload_model True --t5_cpu 否则GPU内存不够会在保存视频时OOM

 python generate.py  --task t2v-1.3B --size 832
最低0.47元/天 解锁文章
gfengwong
关注
高效部署通义万相Wan2.1：使用Gradio搭建WebUI体验实战
zhangjiaofa的专栏
03-04 667
随着通义万相Wan2.1 在社区的热度持续上涨，魔搭创空间的体验Demo（https://modelscope.cn/studios/Wan-AI/Wan-2.1）已经排起长队。为了提供更好的体验，向大家介绍如何使用免费GPU给自己部署一个独占算力通道的WebUI界面玩转Wan2.1文生视频模型，包会！Wan2.1文生视频WebUI界面部署1. 以下链接直达脚本教程：2. 在Notebook中打开，选择3.进入到notebook页面，按顺序执行提供的脚本教程4. 点击链接进入网站（建议使用。
云平台一键部署【DiffSynth-Studio】支持wan2.1视频生成及视频lora训练
m0_49711991的博客
04-22 965
阿里通义万相Wan2.1模型登顶Vbench榜首第一，超越Sora、HunyuanVideo、Minimax、Luma、Gen3、Pika等国内外视频生成模型。而在今天，万相Wan2.1视频生成大模型正式开源！【DiffSynth-Studio】 模型已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验【DiffSynth-Studio】带来的精彩体验吧！
从家用显卡到AI文生视频——Wan2.1本地部署教程与一键包分享
m0_72580657的博客
03-07 4586
今天要聊一聊AI文生视频的最新进展。一直以来，AI生成视频对硬件的要求都让人望而却步，尤其是家用显卡，总是感觉“心有余而力不足”。AI文生视频以前 基本需要的显存大概几十上百G但最近，阿里开源的彻底改变了这一局面！它不仅让普通消费级GPU也能轻松生成视频，还能在短短10分钟左右搞定一段480P的视频。这让我这个技术爱好者忍不住想跟大家分享一下它的魅力，顺便奉上和，让你零门槛上手！我生成猫猫打拳我生成怪兽打奥特曼（这个指定是失败作品）
蓝耘智算平台部署通义万相2.1文生图技术详解
GGDxianv的博客
03-05 5838
蓝耘智算平台拥有大规模的 GPU 集群，支持 NVIDIA A100、V100 以及 RTX 4090 等多种主流 GPU 型号。这些高性能的 GPU 为通义万相 2.1 提供了充足且适配的算力。通义万相 2.1 在处理复杂的文生图任务时，尤其是面对高分辨率图像生成、复杂场景渲染以及大规模数据集训练等工作负载，蓝耘平台的强大算力能够确保模型流畅运行，充分发挥其语义理解、细节生成等技术优势，大幅缩短图像生成时间，提高生成效率。
云平台一键部署【Wan2.1】开放和先进的大规模视频生成模型
m0_49711991的博客
04-23 1014
Wan2.1 基于主流的 diffusion transformer 范式设计，通过一系列创新实现了生成能力的重大进步。其中包括我们新颖的时空变分自动编码器 （VAE）、可扩展的训练策略、大规模数据构建和自动评估指标。总的来说，这些贡献增强了模型的性能和多功能性。项目功能：👍 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 型号仅需 8.19 GB VRAM，几乎兼容所有消费级 GPU。
本地化部署通义万相 Wan2.1视频生成模型，自媒体又一利器，保姆级教程
02-27 5928
今天我相信你也想迫不及待的体验一下本地化部署通义万相 Wan2.1视频生成模型，并且体验一下自己私有化文生视频的效果，让他能快快的应用到自己的场景中，这样以后我们生成视频就再也用去找收费的平台了，全都可以自己解决了。通过以上步骤，你可以成功地在Windows环境下部署通义万相Wan2.1模型并进行视频生成任务。如果有任何问题，请随时告诉我，我会尽力帮助你解决。我们先了解下目前文生视频的其他平台,我都帮你体验过了，进入主题Wan2.1模型本地私有化部署，造富之路开启。
太赞了！阿里Wan2.1视频生成无损加速方案，提速 40%！
A2421417624的博客
03-03 3240
今天我们继续来介绍阿里Wan2.1开源视频大模型的一些使用技巧。我们都知道生成视频的时候，除了质量以外，视频的生成速度也是大家比较关心的一个点。
本地服务器部署Wan2.1视频生成模型通过ComfyUI远程在线生成AI视频
饺子大魔王
04-24 858
各位小伙伴们，今天给大家带来一个超燃的技能大放送！我们将在Windows系统上本地部署ComfyUI，并接入阿里最新推出的Wan2.1开源模型。只需动动手指输入几行文字指令，就能让电脑秒变AI导演，生成高质量的视频内容。更棒的是，借助cpolar内网穿透工具，你还能随时随地远程操控，无需复杂的公网IP或云服务器配置哦！近日，阿里推出了一个全新的大招——Wan2.1开源模型。它不仅完全免费，而且可以在普通家用电脑上流畅运行，生成的视频效果堪比市面上大多数热门模型。
【Wan2.1开源AI视频生成模型本地部署结合ComfyUI远程使用】
m0_74825409的博客
05-21 2523
本文主要介绍如何在 Windows 系统电脑本地部署 ComfyUI 并接入通义万相 Wan2.1 模型，轻松实现使用文字指令生成 AI 视频，结合 cpolar 内网穿透工具还能远程在线使用，无需公网 IP 也不用准备云服务器那么麻烦。最近，阿里发布了最新的视频生成开源 AI 大模型——Wan 2.1。这款模型不仅完全免费，还能在普通的家用级配置电脑上离线运行，生成效果媲美目前大多数开源模型的视频质量。其综合实力在 VBench 榜单上得到了充分验证，甚至一些闭源模型也难以望其项背。
AI视频创作利器：Wan2.1视频生成模型本地部署并实现远程创作
Tiam_cr的博客
04-27 2839
今天给大家分享一个提升效率的好方法：在你的Windows电脑上搭建一个AI视频创作平台。我们将使用ComfyUI这款工具，并结合阿里最新开源的Wan 2.1模型，让你的电脑能够自动生成高质量的视频内容。ComfyUI 是一款流程化的AI工具，你可以通过简单的节点连接，自定义视频生成的每一个步骤。配合 Wan 2.1 模型，即使你没有任何视频编辑经验，也能轻松制作出精彩的视频作品。Wan 2.1 是一款由阿里开源的大模型，它最大的特点是完全免费，并且可以在普通的家用电脑上流畅运行。
【1分钟学会万相文生视频】windows环境4080显卡部署Wan2.1-T2V-1.3B，亲手实操
weixin_43509698的博客
02-26 1181
windows环境4080显卡部署Wan2.1-T2V-1.3B，一手实测
ComfyUI+阿里Wan2.1+内网穿透技术：本地AI视频生成系统搭建实战
ks_wyf的博客
05-29 1391
ComfyUI+阿里Wan2.1+内网穿透技术：本地AI视频生成系统搭建实战
ComfyUI+通义万相 Wan2.1系列生成视频教程
shykevin的博客
05-23 2110
Wan2.1 系列是阿里巴巴通义实验室推出的开源视频生成模型套件，共有 4 个模型，包括文生视频的 Wan2.1-T2V-1.3B 和 Wan2.1-T2V-14B，以及图生视频的 Wan2.1-I2V-14B在权威评测集 VBench 中，Wan2.1 以总分 86.22% 的成绩登上榜首位置，大幅领先了 Sora、Minimax、Luma、Gen3、Pika 等国内外视频生成模型具体来说，Wan2.1开源了文生视频和图生视频两种模型。
单卡3090部署Qwen3-14B-Int4-W4A16的一些记录
hehedadaq的博客
05-06 1058
假期的时候处理了一批本地数据，需要用到本地模型推理，所以想着试试刚开源的千问3.我本地只有一张3090显卡，24GB显存，没有FP8精度，所以很多模型都没法用。手头上可选的有qwen3-8B满血版和qwen3-14B量化版（okwinds/Qwen3-14B-Int4-W4A16）；这俩单一模型显存占用应该都在十几个G，用上vllm或者sglang，都可以做到十几个并发，总吞吐量能达到六百多tokens/s.
Wan2.1 项目使用与配置指南
gitblog_00363的博客
03-27 609
Wan2.1 项目使用与配置指南 【免费下载链接】Wan2.1 Wan: Open and Advanced Large-Scale Video Generative Models 项目地址: https://gitcode.co...
Phantom 根据图片和文字描述，自动生成一段视频，并且动作、场景等内容会按照文字描述来呈现
二分掌柜的
05-22 3176
flyfish
使用autodl服务器，两个3090显卡上运行， Yi-34B-Chat-int4模型，并使用vllm优化加速，显存占用42G，速度23 words/s
freewebsys的专栏
12-01 6176
使用autodl服务器，两个3090显卡上运行， Yi-34B-Chat-int4模型，并使用vllm优化加速，显存占用42G，速度23 words/s。随着大模型的参数增加，企业用户再使用的是特别需要大参数的模型了。因为大模型在更加准确。硬件都不是问题。通过多卡的方式可以成功部署。2张 3090，或者 4090 就可以部署 Yi-34B-Chat-int4模型了。但是目前看中文稍微有点小问题，会返回英文，相信很快会迭代下一个版本了。
Symfony/Translation项目管理：使用ClickUp+GitHub集成的高效工作流
最新发布
gitblog_00217的博客
11-28 1078
Symfony/Translation是一个功能强大的PHP国际化库，它提供了完整的工具集来帮助开发者构建多语言的Web应用程序和API。在复杂的项目管理中，如何高效地管理翻译任务和代码开发？本文将为您展示如何通过ClickUp与GitHub的完美集成，构建一个高效的翻译项目管理体系。 ## 为什么需要项目管理工具集成？ 在翻译项目管理中，我们面临着多重挑战：**翻译任务跟踪**、**代码版本
WAN2.1生成视频无法保存
05-06
<think>好的，我现在要解决用户提出的WAN2.1生成视频无法保存的问题。首先，我需要仔细分析用户提供的引用内容，看看是否有提到保存相关的信息。引用1和引用3主要介绍了WAN2.1的功能和模型参数，引用2提到了部署流程和ComfyUI的使用，但并没有直接说明保存问题的解决方法。 接下来，我应该考虑常见的视频保存失败原因。比如，存储路径权限不足、输出格式不支持、显存不足导致生成中断，或者软件本身存在bug。根据引用2，用户可能是在星海智算平台上使用ComfyUI部署的，所以需要检查平台的文件系统权限，确保保存目录可写。另外，生成的视频格式是否为平台支持的格式，比如MP4或MOV，也可能影响保存。 同时，用户可能没有正确配置输出路径。在ComfyUI的工作流中，节点设置是否正确，输出模块是否指定了有效的路径，这些都需要检查。如果显存不足，生成过程可能在保存前就崩溃了，所以查看日志文件是否有显存错误提示很重要。引用2提到极速版可以在消费级显卡运行，但如果使用的是专业版14B参数模型，显存需求较高，可能导致问题。 另外，软件版本和依赖库是否最新也可能影响功能。更新到官方推荐版本，或者重新部署环境，可能解决兼容性问题。如果问题依旧，联系阿里云技术支持或者查阅社区论坛是否有类似问题的解决方案也是必要的步骤。 最后，需要综合这些可能性，给出逐步排查的建议，帮助用户定位具体原因，并提供对应的解决办法，比如检查路径权限、验证输出格式、监控资源使用情况等。</think>针对WAN2.1视频生成保存问题的解决方案，根据技术文档和实践经验，请按以下步骤排查： ### 一、路径权限排查 1. **检查输出目录权限** - Linux系统执行命令：`ls -ld /your/output/path` 查看目录权限是否为可写（如`drwxrwxrwx`） - Windows系统右键目录 > 属性 > 安全标签页验证用户写入权限 - *星海智算平台用户需特别注意*：容器环境需挂载具有写入权限的持久化存储卷[^2] 2. **路径规范验证** - 避免使用中文路径或特殊符号（如`!@#$%^&*`） - 测试案例：尝试输出到`/tmp/output`（Linux）或`C:\Temp`（Windows） ### 二、生成流程诊断 1. **ComfyUI节点配置检查** ```python # 典型输出节点配置示例 { "output_dir": "/opt/output", # 需与部署配置一致 "file_format": "mp4", # 支持格式：mp4/mov/webm "codec": "h264_nvenc" # 硬件加速编码配置 } ``` - 确认`SaveVideo`节点参数正确性[^2] 2. **显存监控（关键指标）** - 执行`nvidia-smi -l 1`实时监控显存占用 - 14B模型要求：≥24GB显存 - 1.3B模型要求：≥8GB显存[^1] - 若显存峰值超过90%，建议： - 降低生成分辨率（720P→480P） - 缩短生成时长 - 启用`--medvram`优化模式 ### 三、环境验证 1. **依赖库版本检测** ```bash pip show torch torchvision | grep Version # 要求torch≥2.1.0，CUDA版本需与显卡驱动匹配 ``` 2. **日志分析** - 查看`/var/log/wan_service.log`（Linux） - Windows日志路径：`C:\ProgramData\WAN2.1\logs` - 重点关注以下错误类型： ``` [ERROR] VideoWriter initialization failed # 编码器错误 [WARN] Insufficient disk space # 存储空间不足 ``` ### 四、进阶解决方案 1. **API调用示例（Python）** ```python from wan_api import VideoGenerator generator = VideoGenerator( model_size="1.3B", output_dir="/mnt/cloud/output", # 阿里云NAS挂载点 hardware_accel=True # 启用GPU编码 ) try: result = generator.generate(prompt="A robot dancing") result.save("/mnt/cloud/output/demo.mp4") # 显式指定保存路径 except IOError as e: print(f"保存失败：{e.errno} - {e.strerror}") ``` 2. **星海智算平台特殊配置** - 在「高级设置」中开启持久化存储映射 - 通过Web终端执行：`df -h`验证存储挂载 - 建议使用`/home/output`目录（已预配置权限）[^2]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值