解锁 Wan2.1 模型推理的 AI 生成视频：轻松实现文本到视频（T2V）和图像到视频（I2V）！
解锁 AI 驱动的视频创作：Wan2.1 模型推理（T2V & I2V）使用 Wan2.1 模型推理，释放 AI 视频创作的潜能！通过文本提示生成视频（T2V），将图像转换为动画序列（I2V），并结合 VRAM 管理、加速及分辨率控制，打造高效又流畅的工作流体验。立即开始创作，探索视频生成的无限可能！
- 使用场景
- Video
- 适用场景
- Video
- 显存
- 低显存（≤8GB）
- 阅读时间
- 4 分钟
工作流概览
解锁 AI 驱动的视频创作：Wan2.1 模型推理（T2V & I2V）使用 Wan2.1 模型推理，释放 AI 视频创作的潜能！通过文本提示生成视频（T2V），将图像转换为动画序列（I2V），并结合 VRAM 管理、加速及分辨率控制，打造高效又流畅的工作流体验。立即开始创作，探索视频生成的无限可能！
内容类型: Workflow
主要用途: Download
所需模型
- Wan2.1
- Lora
配置说明
- 打开工作流模板前，请先安装所需模型。
- 推荐硬件：低显存（≤8GB）。
1. 工作流概述
该工作流名为 “Wan2.1模型推理 t2v&i2v”，主要功能包括：
文本生成视频（T2V）：通过文本提示生成动态视频。
图像生成视频（I2V）：基于输入图像生成连贯视频（如动画风格转换）。
优化功能：支持显存优化、推理加速和分辨率调整。
2. 核心模型
Wan2.1-I2V-14B：核心视频生成模型，支持文本和图像双输入。
umt5-xxl-enc：文本编码器，处理提示词。
open-clip-xlm-roberta：图像编码器，提取输入图像特征。
3. 关键组件（Nodes）
输入与编码
LoadImage：上传输入图像（I2V 模式）。
WanVideoImageClipEncode：编码图像为视频生成所需的嵌入向量。
WanVideoTextEncode：处理文本提示词（T2V 模式）。
模型加载与推理
WanVideoModelLoader：加载 Wan2.1 模型（支持 LoRA 适配）。
WanVideoSampler：执行视频生成，参数包括步数（25）、CFG值（6）等。
优化模块
WanVideoBlockSwap：显存优化（通过分块加载模型）。
WanVideoTeaCache：推理加速（缓存中间结果）。
WanVideoSLG：动态调整生成策略（如分阶段生成）。
后处理
WanVideoDecode：将潜在空间解码为图像帧。
VHS_VideoCombine：合成最终视频（支持 30FPS 输出）。
4. 工作流结构（Group 分组）
导入图片区
输入：图像（如
透明.png），尺寸建议不超过 480x480。关键节点：
LoadImage、WanVideoImageClipEncode。
加载器区
加载模型和编码器：
WanVideoVAELoader（加载 VAE）。LoadWanVideoT5TextEncoder（加载文本编码器）。
工作区（核心生成逻辑）
文本/图像编码 → 模型推理 → 优化处理。
关键节点：
WanVideoSampler、WanVideoSLG。
后处理区
视频解码与合成：
WanVideoDecode、VHS_VideoCombine。
5. 输入与输出
输入参数：
图像（I2V 模式）或文本提示（T2V 模式）。
分辨率：默认 832x480（通过
WanVideoImageClipEncode设置）。
输出结果：
视频文件（MP4，30FPS），如
WanVideo2_1_T2V_00256.mp4。
6. 注意事项
显存需求：14B 模型需 16GB+ 显存，建议启用
BlockSwap和TeaCache优化。图像尺寸：过大图像需用
ImageResizeKJ缩放，避免显存不足。LoRA 适配：可选
馨染_Wan2.1等风格适配模型。参数建议：
SLG：14B 模型建议
blocks=16-20，strat_percent=0.1-0.15。TeaCache：14B 模型建议
rel_l1_thresh=0.2，mode=speed。