Wan2.1

项目介绍

Wan2.1 是一个致力于提供开放且先进的大规模视频生成模型的项目。它提供了文本到图像（T2I）和文本到视频（T2V）以及图像到视频（I2V）的生成功能，涵盖了不同规模的模型，如 T2V - 1.3B、T2V - 14B、I2V - 14B 等。项目支持多语言提示词增强，用户可以通过 Gradio 界面方便地进行操作，设置分辨率、扩散步数、引导比例等参数。同时，项目还提供了命令行工具，方便用户根据需求进行更细致的配置。

主要功能

文本到图像生成：根据用户输入的文本描述，生成相应的图像。 文本到视频生成：根据文本提示生成视频，支持不同的分辨率和帧数设置。 图像到视频生成：以输入的图像为基础，结合文本提示生成视频。 提示词增强：支持对输入的提示词进行扩展和优化，提供中文和英文两种目标语言。 参数调整：用户可以调整扩散步数、引导比例、偏移比例等参数，以获得不同的生成效果。

应用场景

创意设计：为设计师提供灵感，快速生成图像和视频素材。 影视制作：辅助制作动画、特效视频等。 游戏开发：生成游戏中的场景、角色等素材。 教育领域：用于制作教学视频、动画演示等。 广告营销：制作吸引人的广告视频和图片。

常见问题

问题 1：Wan2.1 支持哪些任务？ 回答：Wan2.1 支持文本到图像（T2I）、文本到视频（T2V）和图像到视频（I2V）的生成任务。

问题 2：我可以在 Gradio 界面上使用 Wan2.1 吗？ 回答：可以，项目提供了 Gradio 界面，你可以在界面上方便地输入提示词、设置参数并生成图像或视频。

问题 3：Wan2.1 支持多语言提示词吗？ 回答：支持，在提示词增强功能中，你可以选择中文（ZH）或英文（EN）作为目标语言。

问题 4：我能调整生成图像或视频的分辨率吗？ 回答：可以，在 Gradio 界面的高级选项中，你可以选择不同的分辨率，如 7201280、1280720 等。

问题 5：Wan2.1 对硬件有什么要求吗？ 回答：文档中未明确提及具体硬件要求，但如果使用分布式环境，需要确保有相应的 GPU 支持，并且要注意设置好环境变量，如 RANK、WORLD_SIZE、LOCAL_RANK 等。