教你本地部署通义万相文生视频模型，轻松实现文本生成视频

• 阿里巴巴推出的通义万相2.1（Wan2.1）是目前领先的开源文生视频模型，依托强大的生成能力，已成为AI视频创作的重要工具。本文将手把手教你如何快速安装和使用Wan2.1模型，助你轻松实现文本生成视频。

1‍.环境准备

在开始之前，确保你的设备满足以下要求：

系统支持：Windows、macOS

硬件要求：建议使用带有NVIDIA显卡的设备，显存≥16GB，推荐RTX 3060及以上型号，确保模型运行流畅。

2‍.通义万相2.1安装步骤

1. 下载并安装 ComfyUI

ComfyUI 是一款强大的AI图像与视频生成框架，支持多种模型加载与工作流操作。

获取 ComfyUI 一键安装包：https://www.comfy.org/

安装步骤：

1. 根据系统（Windows/macOS）下载对应的安装包。
2. 解压并安装，完成后即可启动 ComfyUI。

2. 下载文本编码器和 VAE

Wan2.1 依赖于特定的文本编码器（Text Encoder）和 VAE（变分自编码器）来解析提示词并生成更高质量的内容。

文本编码器下载与放置

• 下载地址：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/text_encoders
• 存放路径：将下载的文件解压至以下目录：ComfyUI/models/text_encoders/

VAE 下载与放置

• 下载地址： https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/blob/main/split_files/vae/wan_2.1_vae.safetensors
• 存放路径：将文件放入以下目录：ComfyUI/models/vae/

3. 下载视频生成模型

视频生成模型是 Wan2.1 的核心，建议使用 fp16 版本以获得更好的生成效果。

• 下载地址：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/diffusion_models
• 注意事项：
• 推荐版本：fp16（生成质量最高）
• 兼容性选择：若显存不足，可使用 fp8 版本（生成速度快但质量略降）。
• 质量排序：fp16 > bf16 > fp8_scaled > fp8_e4m3fn
• 存放路径：下载后放入以下目录：ComfyUI/models/diffusion_models/

4. 导入文字转视频工作流

工作流文件可简化操作流程，方便快速生成视频。

• 下载地址：https://comfyanonymous.github.io/ComfyUI_examples/wan/text_to_video_wan.json
• 导入方法：

1. 下载 JSON 文件。
2. 启动 ComfyUI，点击“Load”按钮导入工作流。

3‍.运行通义万相2.1生成视频

1. 启动 ComfyUI：
2. 双击 （Windows）或 （macOS）。
3. run.bat
4. run.sh
5. 加载模型：
6. 确保模型、文本编码器、VAE 均已正确放置。
7. 输入提示词：
8. 在界面中输入你想生成的视频描述，如”一只小猫在草地上奔跑”。
9. 开始生成：
10. 点击”Generate”按钮，等待模型完成生成。

4‍.常见问题与解决方案

1. 显存不足怎么办？

尝试使用 fp8 文件，内存占用更少，适配显存较小的设备。

2. 生成质量不理想？

确保使用 fp16 版本模型，并检查提示词是否清晰准确。

3. 模型无法加载？

确保所有文件路径正确，且下载完整无损。