Wan（通义万相）：视频生成器 — 功能与运行要求

Wan（通义万相）是阿里巴巴推出的开源视频生成器，解决 text-to-video 任务。该模型将文本描述转换为视频序列，据开发者称，它能够在消费级显卡上运行。

功能

作者将 Wan 描述为一个开放且先进的大规模视频生成模型。仓库描述中指出，T2V-1.3B 模型在 RTX 4090 上生成五秒 480P 视频大约需要四分钟，且未使用量化等优化技术。开发者表示，该模型的性能与一些闭源同类产品相当。

运行要求

• 平台与语言：Python，diffusers 库。
• 显存：据作者描述，T2V-1.3B 模型需要 8.19 GB VRAM。
• 权重文件：最大的权重文件占用 10.6 GB。作者未说明所有权重文件的总大小。
• 许可证：代码和权重均以 Apache-2.0 许可发布。
• 仓库：github.com/Wan-Video/Wan2.1，创建于 2025 年 2 月 25 日。代码最后更新于 2026 年 3 月 5 日。
• 模型：huggingface.co/Wan-AI/Wan2.1-T2V-14B。
• 网站：wan.video。

适合谁

该工具可能吸引那些寻找开源文本生成视频模型、并希望在自己的硬件上运行的用户。声称的 8.19 GB 显存占用使其能够在许多消费级 GPU 上使用。该模型不适合需要无需额外优化即可快速生成高分辨率视频的用户——作者仅提供了 480P 的数据，且在顶级显卡上渲染五秒视频约需四分钟。

Wan 以宽松的 Apache-2.0 许可证发布，代码和权重均适用，这消除了许多使用和修改方面的限制。不过需要注意的是，所有性能评估均来自开发者自身，而非独立测试结果。