快速跑通 Wan2.2-TI2V-5B：单卡 720P 视频生成完整部署指南
【免费下载链接】Wan2.2-TI2V-5BWan2.2-TI2V-5B是一款开源的先进视频生成模型，基于创新的混合专家架构（MoE）设计，显著提升了视频生成的质量与效率。该模型支持文本生成视频和图像生成视频两种模项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B
Wan2.2-TI2V-5B 是一款采用 MoE 混合专家架构的开源视频生成模型，一张24GB 显存（如 RTX 4090）就能跑出720P@24fps的 5 秒视频，同时支持文本生成视频和图像生成视频。本指南带你从下载权重到一条命令出结果，全程本地部署，无需外部服务。
RTX 4090 能跑吗：硬件与软件要求
先把门槛看清，能跑再动手。核心约束是显存 ≥ 24GB；内存和磁盘是软性建议。
| 项目 | 最低要求 | 建议 |
|---|---|---|
| GPU 显存 | ≥ 24GB（如 RTX 4090） | ≥ 80GB 可去掉省显存参数提速 |
| 内存（RAM） | — | ≥ 32GB |
| 磁盘空间 | 预留≥ 20GB | 模型权重体积较大 |
| Python | ≥ 3.8 | — |
| CUDA | ≥ 11.7 | — |
| PyTorch | ≥ 2.4.0 | 与 CUDA 版本匹配 |
先克隆推理代码仓库（含generate.py与requirements.txt），再装依赖：
git clone https://gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B Wan2.2 cd Wan2.2 pip install -r requirements.txt # 要求 torch >= 2.4.0两种途径下载 Wan2.2-TI2V-5B 权重
权重和代码分开放：代码在上一步已克隆，这里把模型权重拉到本地./Wan2.2-TI2V-5B目录。两条途径任选其一。
途径一 · Hugging Face：
pip install "huggingface_hub[cli]" huggingface-cli download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5B途径二 · ModelScope：
pip install modelscope modelscope download Wan-AI/Wan2.2-TI2V-5B --local_dir ./Wan2.2-TI2V-5B📌 落盘后目录主要包含：
Wan2.2_VAE.pth（高压缩视频编码器）、models_t5_umt5-xxl-enc-bf16.pth（文本编码器）、diffusion_pytorch_model-*.safetensors（扩散模型权重分片）、config.json（模型配置，model_type: ti2v）以及google/umt5-xxl/分词器。
一条命令生成 720P 视频
装好代码和权重后，改一下--prompt就能出片。下面是文本到视频的最短命令：
python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B \ --offload_model True --convert_model_dtype --t5_cpu \ --prompt "两只穿着舒适拳击装备的拟人化猫，在聚光灯下的舞台上激烈搏斗"关键参数速查：
| 参数 | 作用 |
|---|---|
--task ti2v-5B | 指定任务为文本/图像到视频 |
--size 1280*704 | 720P分辨率；竖屏改为704*1280 |
--ckpt_dir | 权重本地路径 |
--offload_model True | 模型卸载，省显存 |
--convert_model_dtype | 转换参数精度，优化显存 |
--t5_cpu | 文本编码器放 CPU，进一步省显存 |
--prompt | 视频内容的文本描述 |
图像到视频只需多传一个--image，其余参数不变（见 示例输入图）：
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 "夏季海滩度假风格，一只戴太阳镜的白猫坐在冲浪板上..."⚠️ 图生视频时
--size代表生成区域的面积，宽高比自动跟随输入图；不传--image则默认为文生视频。
它凭什么又快又强：MoE 架构与高压缩 VAE
跑通之后，再回头看它为什么能又快又强——核心是两项设计。
MoE 双专家架构：Wan2.2 把 MoE 引入视频扩散模型，按去噪阶段拆成两个专家——高噪声专家负责早期、搭整体布局，低噪声专家负责后期、细化细节。切换点由信噪比（SNR）决定。每个专家约14B参数，全系列共27B参数但每步只激活14B，推理算力与显存开销几乎不变。
高压缩 VAE：TI2V-5B 本身是5B 稠密模型，靠 Wan2.2-VAE 实现4×16×16时空压缩，总体压缩率达64；叠加额外的分块层后，总压缩比提升到4×32×32。正因如此，它不加任何优化就能在单张消费级 GPU 上9 分钟内生成 5 秒 720P 视频，属于当前720P@24fps里速度领先的开源模型，并在 Wan-Bench 2.0 上多项指标优于主流闭源商业模型。
进阶玩法：多卡推理与显存压榨
多卡加速：用 FSDP + DeepSpeed Ulysses 做分布式推理，把大模型摊到多卡上：
torchrun --nproc_per_node=8 generate.py --task ti2v-5B --size 1280*704 \ --ckpt_dir ./Wan2.2-TI2V-5B --dit_fsdp --t5_fsdp --ulysses_size 8 \ --image examples/i2v_input.JPG \ --prompt "夏季海滩度假风格，一只戴太阳镜的白猫坐在冲浪板上..."单卡省显存：显存吃紧时保留--offload_model True、--convert_model_dtype、--t5_cpu三件套即可稳定跑在 24GB 上。
单卡提速：若你的 GPU显存 ≥ 80GB，把上面三个参数全部去掉，直接吃满算力、显著提速。
分辨率选择：
- 横屏 720P：
--size 1280*704 - 竖屏 720P：
--size 704*1280 - 图生视频：
--size只决定面积，比例跟随输入图，别强行改比例
Prompt 技巧：写得越具体出片越好——把场景、动作、情感、光照、构图、对比度这些美学标签都塞进去，模型可控性会明显提升。
踩坑速查
- 遇到 显存不足（OOM）→ 加
--offload_model True和--t5_cpu；还不行就换更大显存的卡。 - 遇到 出片质量不达标→ 重写
--prompt，补上场景、动作、光照、构图等细节描述。 - 遇到 生成太慢→ 在 ≥80GB 显存的卡上去掉
--offload_model、--convert_model_dtype、--t5_cpu。 - 遇到 想要竖屏→
--size改成704*1280；图生视频则别动比例，让它跟随输入图。 - 遇到 单卡装不下大任务→ 上
torchrun多卡 +--dit_fsdp --t5_fsdp --ulysses_size分布式推理。
Wan2.2-TI2V-5B 以 Apache 2.0 开源，让你能免费获得工业级的 720P 视频生成能力，直接用于学术研究与生产落地。跑通后想深挖参数或接入 ComfyUI / Diffusers，回到仓库 config.json 与 examples/ 目录翻一遍就行。
【免费下载链接】Wan2.2-TI2V-5BWan2.2-TI2V-5B是一款开源的先进视频生成模型，基于创新的混合专家架构（MoE）设计，显著提升了视频生成的质量与效率。该模型支持文本生成视频和图像生成视频两种模项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-TI2V-5B
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
