跳到正文

Wan2.1-T2V-14B

用扩散变换器模型由文本生成视频

访问官网

Wan2.1-T2V-14B 是什么

Wan2.1-T2V-14B 被介绍为一款基于扩散变换器架构的文本到视频生成模型,结合了时空变分自编码器(VAE)和大规模数据训练。模型支持中文和英文文本输入,适用于内容创作、广告制作和视频编辑等场景,目前在 Hugging Face 平台上免费提供。

你可以用它做什么

  • 运行文本到视频与图像到视频等生成任务
  • 生成 480P 和 720P 分辨率的视频
  • 借助时空压缩能力高效处理 1080P 视频
  • 使用单 GPU 与多 GPU 推理代码

使用示例

  • 根据输入的文本描述生成一段 5 秒的 480P 视频
  • 将静态图像转化为具有动态效果的视频
  • 结合文本提示生成包含中文或英文文字的视频内容

上手流程

  • 克隆项目仓库
  • 使用 pip 安装依赖
  • 下载 Wan2.1-T2V-14B 模型权重
  • 运行 generate.py 执行文本到视频生成

优点与缺点

✓ 我们认可的地方

  • 同时支持中文和英文文本输入
  • 模型在 Hugging Face 平台免费提供

! 需要留意的地方

  • 生成流程从文本或图像输入开始
  • 推理需使用提供的单 GPU 或多 GPU 代码

常见问题

列出哪些分辨率?

功能列表列有 480P、720P 生成,以及高效处理 1080P 视频。

模型怎么获取?

资料说明在 Hugging Face 免费提供,上手步骤含下载模型权重。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法