WAN2.1 V3版 - 阿里万相2.1视频生成模型，4G显存可用，支持LoRA，支持批量 支持50系显卡 本地一键整合包下载
阿里万相（WAN 2.1）是阿里巴巴推出的多模态大模型，专注于视频生成（文生视频和图生视频）与编辑领域。作为WAN系列的升级版本，它在生成质量、控制能力和应用场景上均有显著提升。目前开源视频生成领域最好的模型，没有之一。
今天分享的WAN2.1 V3版基于国外大佬 FurkanGozukara 的webui打包整合，修复了上个版本几个报错问题，支持最50系显卡，支持文生视频、图生视频及视频生成视频等功能。FurkanGozukara在原版Wan2.1的基础上整合优化，支持最小4G显存实现视频生成功能，且不需要ComfyUI复杂的工作流。新增LoRa的支持，加入Teacache加速，支持批量生成，以及多个实用扩展功能。
WAN 2.1的核心特点
多模态输入支持支持文本、图片、草图、音频等多模态输入生成视频，用户可通过灵活的组合方式控制内容生成。 例如：上传一张静态图片+文本描述，即可生成动态视频。
高分辨率与长视频生成可生成1080p及以上分辨率的视频，并支持生成更长的连贯片段（相比早期版本）。 通过时序建模优化，减少帧间闪烁问题。
精细化控制提供细粒度的运动控制（如物体运动轨迹、镜头运镜）和风格控制（如写实、卡通、水墨等）。
支持对生成视频的局部编辑（如替换特定物体或背景）。 中文场景优化针对中文文化和本土化需求（如古风、节日主题）进行了数据训练和优化。
商业化集成与阿里云生态深度整合，提供API接口，便于企业快速部署到电商、广告等场景。
应用领域
电商与广告自动生成商品展示视频（如服装动态穿搭、家电功能演示）。 定制化广告内容（根据用户画像生成个性化视频广告）。
短视频与社交用户通过文本或图片快速生成UGC内容（如抖音/B站创意视频）。
虚拟主播/数字人视频生成。 影视与设计辅助分镜生成、特效预演，降低制作成本。 古风、动漫等风格化视频创作。
教育与企业服务将课件/说明书转换为动态视频，提升信息传达效率。
使用教程：(建议N卡，显存4G起。基于CUDA12.8)
和之前的Wan操作类似，最简单的操作就是，输入提示词，支持大语言模型增强提示词（基于Qwen2.5-3B），选择模型，最后生成。
图生视频类似，上传图片，选择模型，输入提示词，生成。
虽然4G显存可以玩，但参数都拉到最低，效果一般。建议显存8G起，可选参数更丰富。因部分处理转移到内存，所以图生视频建议内存（RAM）32G起，否则会很慢。
这个版本的webui扩展功能很丰富，但之前玩过视频生成的一看就能立刻上手。小白需要一段时间摸索，后期会出一期视频教程介绍。
注.因模型较大，一共加起来100多G，故默认只打包1.3B文生视频模型，其他14B文/图生视频模型请根据需要自行下载，直接点击一键包内的对应型号模型下载即可。
下载过V2版的，可以直接将V2版的models文件夹拷贝过来。
下载地址：
迅雷云盘：https://pan.xunlei.com/s/VOOlQG80YdubhdMd9PHNzs5iA1?pwd=jxs5
百度网盘：**** 本内容需购买 ****
解压密码：https://deepface.cc/ 复制这个完整的网址即是解压密码，不要有空格，复制粘贴即可
生成速度如何？跟FramePack V4版比 有优势吗 jerryleee1 发表于 2025-4-26 16:52
生成速度如何？跟FramePack V4版比 有优势吗
也是看显卡，比FP慢 无言以对 发表于 2025-4-26 17:04
也是看显卡，比FP慢
大佬，生成的效果呢？哪个效果更好些啊 感谢分享。 老大，补帧提示没有这个F:\AI\Wan2.1-V3\Wan2.1-V3\deepface\python.exe: can't open file 'F:\\AI\\Wan2.1-V3\\Wan2.1-V3\\Practical-RIFE\\inference_video.py': No such file or directory 用最新的 wan2.1-fun 替换这个好了， 感谢分享！:loveliness: 没有加载lora的选项么 To create a public link, set `share=True` in `launch()`.
WAN 2.1 14B Image-to-Video 720P
WAN 2.1 14B Image-to-Video 720P
Checking if pipeline needs clearing...
Pipeline config not changed or pipeline is None. No clearing needed.
Loading model: 14B_image_720p with torch dtype: torch.bfloat16 and num_persistent_param_in_dit: 5500000000
Loading models from: models\Wan-AI\Wan2.1-I2V-14B-720P\models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth
model_name: wan_video_image_encoder model_class: WanImageEncoder
The following models are loaded: ['wan_video_image_encoder'].
Loading models from: ['models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00001-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00002-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00003-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00004-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00005-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00006-of-00007.safetensors', 'models\\Wan-AI\\Wan2.1-I2V-14B-720P\\diffusion_pytorch_model-00007-of-00007.safetensors']
model_name: wan_video_dit model_class: WanModel
This model is initialized with extra kwargs: {'has_image_input': True, 'patch_size': , 'in_dim': 36, 'dim': 5120, 'ffn_dim': 13824, 'freq_dim': 256, 'text_dim': 4096, 'out_dim': 16, 'num_heads': 40, 'num_layers': 40, 'eps': 1e-06}
还是不行啊老大，卡在这边不动了。不管是Text2Video 还是 Image2Video都是。