WorldFoundry
English中文

Wan2.1

论文方法总览：Wan 编码器与解码器夹着一组 DiT 模块，文本经 umT5 交叉注意力进入。

阿里通义实验室的开源视频系列：T2V 1.3B/14B 与 480p/720p 的 I2V 14B。已验证的是 1.3B、832×480、81 帧这条 catalog 基座路径。

编辑此页GitHubMarkdown

Wan2.1 是阿里通义实验室的开源视频基础系列，也是本 catalog 相当一部分条目的基座——相机控制世界模型、动作条件滚动，以及后来的 Helios 类长视频工作，都从这些权重出发。官方套件覆盖 1.3B / 14B 文生视频、480p / 720p 的 I2V 14B，以及上游的视频编辑和中英双语屏幕文字。本页只记录 WorldFoundry 实际绑定的四条 Apache-2.0 Hugging Face 线：wan2.1-t2v-1.3b、wan2.1-t2v-14b、wan2.1-i2v-14b-480p、wan2.1-i2v-14b-720p。

论文官方 Teaser：Wan2.1 论文中的文生视频样例。
论文官方 Teaser：Wan2.1 论文中的文生视频样例。
论文方法总览：Wan 编码器与解码器夹着一组 DiT 模块，文本经 umT5 交叉注意力进入。
论文方法总览：Wan 编码器与解码器夹着一组 DiT 模块，文本经 umT5 交叉注意力进入。

技术报告是 Wan: Open and Advanced Large-Scale Video Generative Models。代码与权重在 Wan-Video/Wan2.1 和 Wan-AI。

构建运行命令

推理 Pipeline
Wan2p1T2VPipelineworldfoundry.pipelines.wan.pipeline_wan_2p1_t2v
任务Interactive Video interactive-video
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_diffusion_invocation
worldfoundry-eval run \
  wan2.1-t2v-1.3b \
  --pipeline.task-profile interactive-video \
  --json

变体

  • wan2.1-t2v-1.3b
    状态Runner 一致性待确认

    text-to-video

    Runtime profilewan2.1-t2v-1.3b-832x480-81f

    Pipeline bindingwan2.1-t2v-1.3b

  • wan2.1-t2v-14b
    状态Runner 一致性待确认

    text-to-video

    Runtime profilewan2.1-t2v-14b

    Pipeline bindingwan2.1-t2v-14b

  • wan2.1-i2v-14b-480p
    状态Runner 一致性待确认

    image-to-video

    Runtime profilewan2.1-i2v-14b-480p

    Pipeline bindingwan2.1-i2v-14b-480p

  • wan2.1-i2v-14b-720p
    状态Runner 一致性待确认

    image-to-video

    Runtime profilewan2.1-i2v-14b-720p

    Pipeline bindingwan2.1-i2v-14b-720p

用来做什么

从 wan2.1-t2v-1.3b 开始。启动 worldfoundry-eval run wan2.1-t2v-1.3b。只有接受那几条仍为 Runner 一致性待确认 时，才换 wan2.1-t2v-14b 或 I2V 480p/720p。

要便宜、已验证的产物，在 1.3B 线上迭代提示词。后续条目（VACE、Helios、相机控制世界模型）写「基于 Wan」时，Wan2.1 就是默认基座。片段质量对照 VBench，物理合理性对照 Physics-IQ——那是 Wan 发布时常用的讨论套件，不是已收录的 WorldFoundry leaderboard。

运行时契约

必填 prompt；可选 image / video；actions 是 seed。已验证 1.3B T2V：832×480、81 帧、50 步、guidance 6.0、16 fps、shift 8.0，走 Wan2p1T2VPipeline（wan2.1-t2v-1.3b-832x480-81f）。产物：wan2.1-t2v-1.3b-832x480-81f.mp4。14B T2V 默认 1280×720、shift 5.0；I2V 480p 为 832×480 / 81 帧 / 40 步 / guidance 5.0 / shift 3.0；I2V 720p 为 1280×720、shift 5.0。catalog 任务只有 text-to-video 与 image-to-video。

Wan-VAE 编解码任意长度的 1080p，DiT 在潜空间去噪。文本是 UMT5。I2V 需要 image-encoder 权重角色。

在 WorldFoundry 中运行

统一环境 worldfoundry-unified-cu128（Python 3.11，CUDA 12.8）。就位 Wan-AI checkpoint。License Apache-2.0。1.3B 线 catalog 显存 8 GB。系列已记录运行时集成；先前一次本地运行产出了 81 帧的 T2V 1.3B 视频，并记录了已验证的官方 demo 与 runner 一致性。14B T2V 和两条 I2V 的输出一致性仍待验证。本仓库未提供公开的一致性 demo 脚本；复现 1.3B 产物需就位 checkpoint 和运行时环境。

先生成 1.3B 文生视频，再对目录跑 VBench 的 custom_input / aesthetic_quality——本仓库唯一验证过的 VBench GPU 维度。读 tmp/vbench/wan2.1/eval/scorecard.json 里的 aesthetic_quality。