阿里Wan 2.1问鼎榜首，文/图生视频本地部署教程，开源！普通电脑也可以！

前段时间，阿里开源了万相视频生成大模型Wan2.1系列，在评测集VBench中，万相2.1超越了Sora、Luma、Pika等国内外开源模型。

榜单时间（2025-4-1）发稿时间，wan2.1模型仍然处于榜首的位置，sora目前排在第五，腾讯的混元模型在15的位置，可灵在22，可以看出这个实力是非常强悍的，关键是阿里免费开源了这个模型，质量评分最高，比其他的闭源的商业模型效果还要不错！

那么接下来阁主就教大家免费部署！针对消费级的电脑，阿里也是上架了1.3b的模型，适合大家的电脑使用，教程是基于ComfyUI框架实现，支持文生视频（T2V）和图生视频（I2V）功能：

一、环境准备

1. 硬件要求
   • 显卡：NVIDIA显卡（RTX 3060及以上，显存≥8GB）
   • 显存需求：
     • T2V-1.3B模型：最低8.2GB（生成480P视频）
     • T2V-14B/I2V-14B模型：推荐≥16GB显存（支持720P）
2. 软件依赖
   • Python 3.10+、Git
   • CUDA 12.1+（50系显卡需CUDA 12.8）
   • 建议使用虚拟环境（如venv）隔离依赖

二、部署流程（以下所有文件，都可以官网下载，阁主统一整理了链接在最下面）

步骤1：安装ComfyUI

1、下载整合包官网下载，或者秋叶大佬的版本，Windows和Mac端都有

这里还是优先推荐N卡，毕竟很多大模型优先匹配的是N卡，安装comfyui的时候，会自动安装cuda等

步骤2：下载模型文件

从HuggingFace下载以下组件并放置到对应目录：

模型选择建议：

视频生成模型选择：建议使用 fp16 版本而不是 bf16 版本，因为它们会产生更好的结果。质量等级（从高到低）：fp16 > bf16 > fp8_scaled > fp8_e4m3fn，如果你是8G内存显卡，选择wan2.1_t2v_1.3B_fp16.safetensors

文本编码器umt5：如果你的显卡显存≥12G，那么可以选择fp16这个，如果只有8G，那么就选择fp8

步骤3：详细步骤

因为文件比较多，大家可能比较乱，那么阁主就一步一步来，大家对照着就不会出错了！

3.1文生视频：以8G显卡内存为例

（1）将下载好的 umt5_xxl_fp8_e4m3fn_scaled.safetensors 放入：ComfyUI/models/text_encoders/

（2）将下载好的 wan_2.1_vae.safetensors 放入：ComfyUI/models/vae/

（3）将下载的视频生成模型 wan2.1_t2v_1.3B_fp16.safetensors 放入：ComfyUI/models/diffusion_models/

（4）下载 text_to_video_wan.json 这个工作流文件，打开ComfyUI界面，拖拽JSON文件至窗口加载工作流

这里就可以修改你的提示词，支持中英文输入，输入完点击执行即可在右边查看生成的视频，右键就可以保存下来。

3.2图生视频：

步骤都是一样，只不过模型不一样。

（1）下载视频生成模型 wan2.1_i2v 放入：ComfyUI/models/diffusion_models/ （视频生成模型里面有i2v和t2v，一个是图生视频，一个是文生视频，里面可以选择自己电脑适配的模型image图像，txt是文生视频）

（2）下载 clip_vision_h.safetensors 放入：ComfyUI/models/clip_vision/

（3）下载 image_to_video_wan_example.json 这个工作流文件，打开ComfyUI界面，拖拽JSON文件至窗口加载工作流

如果你之前用的文生视频，使用图生视频的时候，记得这里切换一下模型，点一下右边的箭头就会自动切换，记得图生视频的模型名字是i2v

最后就可以上传你的图片，加上你想要让图片怎么变化的提示词，点击执行就可以了！

当然你觉得部署麻烦也可以使用官网体验，积分的，每天免费的也足够，所有链接都在下面了！