【文生图】Win10环境借助基于ComfyUI的图狗2.3.1抢先体验阿里万相wan2.1

### Wan 2.1 文生图模型本地部署方法教程 #### 显卡信息检查 在开始之前，需确认计算机中的 GPU 是否满足运行需求。通过命令行工具可以检测显卡的相关参数以及驱动版本是否适配深度学习框架的要求[^1]。 ```bash nvidia-smi ``` 此命令会显示当前 NVIDIA 驱动程序版本、CUDA 版本、GPU 使用率以及其他重要细节。 --- #### 模型下载与安装 对于文本到图像 (T2V) 的生成任务，可选用较小规模的 `Wan2.1-T2V-1.3B` 或更大规模的 `Wan2.1-T2V-14B` 模型。具体操作如下： ##### 安装 ModelScope 工具 ModelScope 是阿里云提供的一种便捷方式来管理模型资源。首先需要确保已安装该工具并完成配置[^3]。 ```bash pip install modelscope ``` ##### 下载目标模型 执行以下命令以获取所需模型文件至指定目录。如果硬件条件允许，建议选择更高质量的大规模模型（如 14B 参数量级），否则推荐轻量化的小规模模型（如 1.3B 参数量级）。 ```bash modelscope download Wan-AI/Wan2.1-T2V-1.3B --local_dir ./Wan2.1-T2V-1.3B ``` 或者替换为大规模模型路径： ```bash modelscope download Wan-AI/Wan2.1-T2V-14B --local_dir ./Wan2.1-T2V-14B ``` 上述过程将自动拉取预训练权重及相关依赖项，并存储于指定位置以便后续调用。 --- #### 运行环境搭建 为了支持复杂计算任务，在本地环境中还需额外准备若干组件，包括但不限于 Python 解释器及其扩展库、PyTorch/Diffusers 库等基础架构软件包。 ##### 创建虚拟环境 构建独立开发空间有助于隔离不同项目间的冲突问题。 ```bash conda create -n wan21 python=3.8 conda activate wan21 ``` ##### 安装必要依赖 依据官方文档指引加载必需模块集合。 ```bash pip install torch torchvision torchaudio diffusers transformers accelerate safetensors bitsandbytes xformers gradio ``` 这些库共同构成了完整的推理管线支撑体系结构[^2]。 --- #### 启动服务端口监听机制 最后一步便是激活前端界面交互入口点，使得用户能够直观提交输入数据并通过图形化展示最终成果形式。 启动脚本通常位于解压后的根目录下，双击运行或手动触发均可生效。 ```bash cd ./Wan2.1-T2V-1.3B python app.py ``` 此时浏览器窗口应弹出链接地址指向 localhost 地址的服务页面；按照提示填写相应字段后点击按钮即刻体验神奇效果啦！ ---