许可证：Apache-2.0
支持语言：

• 英文
• 中文

任务类型：文本生成视频
库名称：diffusers
标签：

• 视频
• 视频生成

万趣

😊 欢迎使用！

English | 简体中文

目录

• 目录
• 模型地址
• 视频作品
• 快速启动
• 使用方法
• 参考文献
• 许可证

模型地址

V1.0版本：

视频作品

Wan2.1-Fun-14B-InP 与 Wan2.1-Fun-1.3B-InP

（视频展示表格，内容与原文一致）

Wan2.1-Fun-14B-Control 与 Wan2.1-Fun-1.3B-Control

（视频展示表格，内容与原文一致）

快速启动

1. 云端使用：阿里云DSW/Docker

a. 通过阿里云DSW

DSW提供免费GPU时长，申请后3个月内有效。

b. 通过ComfyUI

界面操作指南详见ComfyUI说明文档。

c. 通过Docker

确保已安装显卡驱动与CUDA后执行：

# 拉取镜像
docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
# 运行容器
docker run -it -p 7860:7860 --network host --gpus all --security-opt seccomp:unconfined --shm-size 200g mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
# 克隆代码
git clone https://github.com/aigc-apps/CogVideoX-Fun.git
cd CogVideoX-Fun
# 下载模型权重（需手动通过Hugging Face或ModelScope链接获取）

2. 本地安装

a. 环境要求

已验证支持：

• Windows：Win10 + Python 3.10/3.11 + CUDA 11.8/12.1 + CUDNN 8+ + NVIDIA 3060(12G)/3090(24G)
• Linux：Ubuntu 20.04/CentOS + Python 3.10/3.11 + CUDA 11.8/12.1 + CUDNN 8+ + NVIDIA V100(16G)/A10(24G)/A100(40G/80G)
  需约60GB磁盘空间。

b. 权重放置

按以下结构存放模型：

📦 models/
├── 📂 Diffusion_Transformer/  # 存放主模型
│   ├── Wan2.1-Fun-14B-InP/
│   └── ...其他模型
└── 📂 Personalized_Model/     # 存放自定义模型/LoRA权重

使用方法

1. 视频生成

a. 显存优化方案

提供三种模式应对不同显存需求：

• model_cpu_offload：基础显存节省
• model_cpu_offload_and_qfloat8：量化模型进一步节省（性能略有下降）
• sequential_cpu_offload：逐层卸载（速度最慢，显存占用最低）

b. 通过ComfyUI

详见ComfyUI说明文档。

c. 运行Python脚本

• 文本生成视频：修改predict_t2v.py中的提示词参数后运行，结果保存至samples/cogvideox-fun-videos。
• 图像生成视频：在predict_i2v.py中设置首尾帧图像路径及其他参数。
• 视频生成视频：需提供参考视频（如示例视频），通过predict_v2v.py生成。
• 控制条件生成：使用predict_v2v_control.py，输入处理后的控制视频（如Canny/Pose边缘图）。

d. 通过Web界面

运行app.py启动Gradio交互界面，支持所有生成模式，结果保存至sample文件夹。

参考文献

• CogVideo：https://github.com/THUDM/CogVideo/
• EasyAnimate：https://github.com/aigc-apps/EasyAnimate
• Wan2.1：https://github.com/Wan-Video/Wan2.1/

许可证

采用 Apache License 2.0。