Wan2.1本地文生视频：1.3B模型、CPU卸载与结果验收

从一个可控任务开始

Wan2.1-T2V-1.3B适合验证文生视频流程。官方展示的显存和速度属于指定条件，不是所有GPU、分辨率和参数下的保证。本文在Linux独立环境中以832×480为起点，使用CPU卸载减少显存压力，先生成单个短片，不同时运行训练或其他视频模型。

CPU卸载把部分状态移到主机内存，会增加传输与等待，并不意味着免费加速。服务器应准备足够RAM、SSD空间和稳定供电。首次运行包括模型读取和内核初始化，计时需与后续热任务分开。

下载代码与完整权重

git clone https://github.com/Wan-Video/Wan2.1.git wan21-test
cd wan21-test
git rev-parse HEAD
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
pip install 'huggingface_hub[cli]'
hf download Wan-AI/Wan2.1-T2V-1.3B \
  --local-dir ./Wan2.1-T2V-1.3B
pip freeze > requirements.lock.txt

requirements安装可能涉及编译依赖。先按照仓库要求准备兼容PyTorch、CUDA与编译工具，不要遇到编译错误就混装多个CUDA目录。正式复现将代码切到明确提交，并给模型下载指定revision；两者都保留在任务清单中。

固定提示词与种子运行

python generate.py --task t2v-1.3B --size '832*480' \
  --ckpt_dir ./Wan2.1-T2V-1.3B \
  --offload_model True --t5_cpu \
  --sample_shift 8 --sample_guide_scale 6 --base_seed 42 \
  --prompt 'A fixed camera observes a small red robot walking slowly across a clean white studio, consistent character, no text.'

示例避免使用需要外部服务的提示词扩展，任务更容易离线复现。根据所锁定代码的python generate.py --help确认选项；若版本改变，不把旧参数直接套入新脚本。该命令使用仓库支持的默认输出规则，运行结束先从日志确认具体文件路径，不假定文件一定叫output.mp4。

同种子只是减少随机变化，不同GPU与依赖仍可能产生差异。生成中文字、复杂手势或长镜头都需要额外质量验证。模型能输出视频文件，并不证明任务约束被满足。

检查输出而不是只看预览

对日志中的实际文件使用ffprobe确认编码、尺寸、帧率与时长。系统没有FFmpeg工具时先按发行版安装，不能把播放器能打开作为完整验证。

ffprobe -v error -show_entries \
  stream=codec_name,width,height,r_frame_rate \
  -show_entries format=duration,size -of json generated.mp4

generated.mp4为需要替换的实际结果路径。业务保存输出哈希、提示词、种子、模型版本与耗时，并保留失败信息。若要比较性能，固定分辨率、帧数、采样步数和卸载设置；不能用较少步数的模糊视频证明系统更快。

如何做一套有意义的验收

设计20个任务：静态物体、简单运动、镜头移动、双物体交互各5个，每个使用三个固定种子。评审主体一致性、动作、背景稳定和提示遵循，同时统计失败率、GPU峰值与完成时间。无效结果应计入总成本，不只计算满意的几段。

多用户平台应把请求写入任务队列，返回任务ID，按GPU容量控制活跃任务。取消时释放显存并清理未完成文件；重试使用新的运行ID，避免覆盖原结果。客户端不能自行传入任意服务器路径。

故障处理与停止

OOM先确认没有其他模型占用，再降低尺寸或使用卸载；主机内存不足不能靠更多GPU显存参数解决。视频全黑或严重异常检查完整权重、精度与依赖。耗时很长时观察GPU与CPU利用率，区分卸载等待、编码和计算，不立即重复提交产生多个任务。

测试环境保留锁定清单与成功输出，代码升级先另建目录验证，失败可切回原目录。不要在生产服务器上直接更新main。使用与分发应遵守代码、模型和素材各自许可。官方依据：Wan2.1仓库。

资源预算不只有显存

CPU卸载需要主机内存接纳模型状态与中间缓存，系统内存不足可能触发交换并使任务极慢。试验前查看可用内存、模型盘和输出盘剩余空间，保留失败视频与日志的容量。模型读取、文本编码、扩散计算和视频编码分别计时，不把第一次包含下载的耗时用于比较GPU。

独立目录保存代码与权重，写入权限只给任务程序需要的位置。外部提交的提示词、文件名和输出路径不能直接拼成Shell命令。网页平台使用固定任务参数映射，限制分辨率、时长与步数，避免一个普通用户创建超大任务占满整机。模型与素材许可分别检查，不将可下载代码视为所有输入内容都可商用。

固定实验怎样观察生成质量

提示词保持简单可验证：主体、背景、动作与镜头分别写清楚。第一次不要同时要求复杂文字、多人互动与长镜头，否则难以判断失败原因。使用同样的三个种子比较不同设置，保留全部输出，不只挑最好看的结果。质量评审记录主体漂移、动作不合理、细节闪烁与提示遗漏，不能只给一个主观“不错”的评价。

采样步数和引导参数改变时，速度与质量一起变化。降低步数如果损失可用性，应报告每个有效视频的平均成本，而非单次生成时间。不同分辨率结果不能直接进行速度排名；如果业务要求最终高清交付，额外超分、编码或人工编辑时间也要计入。

队列与失败处理

视频任务适合异步队列，返回任务ID和明确状态。用户应能查看等待、计算、编码、完成与失败，不使用一个百分比猜测所有阶段。取消请求后确认进程和临时文件被正确处理，下一任务从干净状态开始；失败任务限制重试，保留原错误避免无止境消耗GPU。

输出存储采用独立路径，文件完成后才提供下载，临时链接有权限与有效期。重新运行保留旧结果和种子，不能覆盖客户已经确认的版本。升级代码前复制成功配置并在影子目录生成固定样本，出现黑屏、明显质量下降或异常耗时可切回。模型生成的内容需要审核，演示正常不代表具备完整内容安全与商业交付流程。