企业官网建设流程全解析

Wan2GP 入门指南：用 6GB 显存跑出你的第一条 AI 视频

【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGP

Wan2GP 是面向低显存显卡用户的免费 AI 生成工具，能在 6GB 显存的 GPU 上运行 AI 视频生成、图像生成和音乐、语音等最新开源模型。本文按一次完整创作的动线，带你在硬件自检、安装、模型选型和排障之间走完第一遍。

我的显卡够格吗：动手前的显存自检

先给结论：NVIDIA GTX 10XX 及更新的显卡，或 AMD RDNA 2 及更新的核显/独显，都能跑。

Wan2GP 的主张是把 AI 视频生成的门槛压到很低：部分模型约 6GB 显存即可起步，官方给出的实测是 480p、15 秒的 H3 视频约需 5–6GB。低于 6GB 的显卡不建议尝试。

硬件与环境对应关系如下：

• NVIDIA：GTX 10XX 到 RTX 50XX 均支持，其中 RTX 20XX–50XX 用 Python 3.11.14 + PyTorch 2.10（CUDA 13.0/13.1），GTX 10XX 用 Python 3.10.9 + PyTorch 2.7.1（CUDA 12.8）
• AMD：支持 RDNA 2、3、3.5、4，需在 Windows 下走 AMD 配置

我该用哪种安装方式

一键脚本（推荐新手）

克隆仓库后运行scripts\install.bat（Windows）或scripts/install.sh（Linux）。脚本会自动检测显卡、搭建环境，并顺带装好 Triton、SageAttention 等加速组件。之后用同目录的run.bat/run.sh启动，update.bat/update.sh升级。也支持用 Pinokio 一键安装器。

手动安装

适合想控制每一步的人。以 RTX 20XX–50XX 为例：

git clone https://gitcode.com/gh_mirrors/wa/Wan2GP cd Wan2GP conda create -n wan2gp python=3.11.14 && conda activate wan2gp pip install torch==2.10.0 torchvision==0.25.0 torchaudio==2.10.0 --index-url https://download.pytorch.org/whl/cu130 pip install -r requirements.txt

Debian 系系统可以改用 Docker：运行./run-docker-cuda-deb.sh，它会自动检测 GPU 型号与显存并构建对应镜像。各代显卡的手动安装差异见安装文档。

装完第一次能出什么

四步出第一条 2 秒视频：

1. 在 Wan2GP 目录运行python wgp.py，等待 Web 界面启动
2. 浏览器打开 http://localhost:7860，首次使用先看 Guides 标签页里的推荐模型
3. 模型下拉框选 Wan 2.1 T2V 1.3B，提示词输入 A cat walking in a garden
4. 保持默认（约 49 帧、20 步）点 Generate，成片会出现在输出区

49 帧约等于 2 秒。这一步跑通就算成功，接下来按显存决定往上走多远。

6–12GB 显存怎么选模型

显存决定上限，分辨率和时长决定实际占用。对照下表选第一档即可：

同一模型常有不同量化版本。量化指压缩模型精度来省显存：int8、fp8 是常用档，GGUF 是显存占用很低的量化格式，NV FP4 面向 RTX 50XX。先按显存挑版本，再比质量。完整清单在模型说明，不用背，用到哪个查哪个。

从提示词到成片：一次完整创作流程

1. 选模型：文生视频、图生视频、带音频生成是不同工作流，按你的输入选
2. 写提示词：文生视频用"主体 + 动作 + 场景 + 风格"，如 a red sports car driving through a mountain road at sunset, cinematic；图生视频只描述运动，不重复图里已有的内容
3. 调参数：帧数越多视频越长（25 帧约 1 秒），步数越多质量越高但更慢，guidance 控制跟帖程度，7–10 较贴近提示词
4. 先预览：用短时长、低分辨率跑一版，确认动作和构图，再放大参数出成片
5. 收尾：生成后可在 Post Processing 挂 RIFE 补帧或 FlashVSR 放大；长视频用滑动窗口续接

再往上是可选项：把常用设置存成模板复用；用队列批量排队，队列还能不开界面直接处理（python wgp.py --process my_queue.zip）；内置的离线助手 Deepy 可以替你编排多步任务。

出问题时查这里

显存不够：换更小模型，减少帧数和分辨率，改用省内存的 profile 4 或 profile 5；量化默认已开。Windows 下可先用scripts\gpumem.cmd查看是哪个程序占着显存。另有招数是关闭浏览器 GPU 硬件加速，可腾出 1–5GB，用scripts/start-chrome-no-gpu.bat启动浏览器即可。

生成太慢：按显卡代际安装 SageAttention（最高约 2 倍加速），加--teacache跳过冗余计算，或换 1.3B 小模型。

模型下载失败：先查网络，也可以把权重手动放进对应目录。

更多症状对照和按显卡给出的调优命令，见排障文档。

继续深入去哪

• 快速上手：界面基础与参数解释
• 提示词指南：不同类型模型的提示词写法
• 命令行参考：全部启动参数与无头批处理
• Deepy 助手：用对话驱动多步创作
• 官方 Discord 社区可以提问和分享作品

第一条 2 秒视频跑通后，流程就不变了：按显存选模型，先跑短片段，再谈分辨率和时长。

【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGP