# wan_mlu

**Repository Path**: rymaker/wan_mlu

## Basic Information

- **Project Name**: wan_mlu
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-12
- **Last Updated**: 2026-02-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Wan2.2 图生视频程序 (使用GGUF模型)

这是一个使用 PyTorch 和 GGUF 量化模型的 Wan2.2 图生视频程序，专为节省显存而设计。

## 特性

- **GGUF 模型支持**: 使用 GGUF 格式的量化模型，大幅减少显存占用
- **低显存模式**: 支持梯度检查点和内存优化
- **灵活配置**: 支持多种参数调整（帧数、FPS、图像尺寸等）
- **批量生成**: 支持批量处理多张图片
- **命令行和演示模式**: 提供完整的 CLI 和简易演示接口

## 安装依赖

```bash
pip install -r requirements.txt
```

## 使用方法

### 1. 准备模型

将您的 Wan2.2 GGUF 模型文件放置到指定位置。

### 2. 命令行模式

```bash
python inference.py \
  --model_path path/to/model.gguf \
  --image_path path/to/input.jpg \
  --output_path output.mp4 \
  --num_frames 16 \
  --fps 24 \
  --image_size 512 512 \
  --guidance_scale 7.5 \
  --num_steps 50 \
  --low_vram
```

### 3. 演示模式

首先创建配置文件：

```bash
python demo.py
```

然后编辑 `demo_config.json`，配置模型路径和参数，再次运行：

```bash
python demo.py
```

## 参数说明

- `--model_path`: GGUF 模型文件路径
- `--image_path`: 输入图片路径
- `--output_path`: 输出视频路径
- `--device`: 设备选择 (cuda/cpu)
- `--num_frames`: 生成帧数 (默认: 16)
- `--fps`: 帧率 (默认: 24)
- `--image_size`: 图像尺寸 (默认: 512 512)
- `--guidance_scale`: 引导尺度 (默认: 7.5)
- `--num_steps`: 推理步数 (默认: 50)
- `--low_vram`: 启用低显存模式
- `--n_gpu_layers`: GGUF 使用的 GPU 层数 (-1 表示全部使用)
- `--seed`: 随机种子

## 显存优化

本程序通过以下方式节省显存：

1. **GGUF 量化**: 使用 4-bit/8-bit 量化模型
2. **梯度检查点**: 减少中间激活的存储
3. **混合精度**: 使用 FP16/FP32 混合精度
4. **动态卸载**: 根据 GPU 层数动态分配计算
5. **内存清理**: 在推理步骤间主动清理缓存

## 项目结构

```
wanAmin/
├── model_loader.py        # GGUF 模型加载器
├── video_generator.py     # 视频生成核心逻辑
├── inference.py           # 命令行推理程序
├── demo.py                # 演示程序
├── requirements.txt       # 依赖列表
└── README.md             # 说明文档
```

## 注意事项

1. 确保有足够的磁盘空间存储输出视频
2. 首次运行会下载必要的依赖项
3. 低显存模式下生成速度可能较慢
4. 建议使用 GPU 设备以获得最佳性能

## 系统要求

- Python >= 3.8
- PyTorch >= 2.0
- CUDA (如使用 GPU)
- 最低 4GB 显存 (低显存模式)
- 推荐 8GB+ 显存

## 示例配置

**低显存配置 (4GB VRAM):**
```bash
python inference.py \
  --model_path model.gguf \
  --image_path input.jpg \
  --output_path output.mp4 \
  --num_frames 8 \
  --image_size 256 256 \
  --num_steps 30 \
  --n_gpu_layers 20
```

**高质量配置 (12GB+ VRAM):**
```bash
python inference.py \
  --model_path model.gguf \
  --image_path input.jpg \
  --output_path output.mp4 \
  --num_frames 24 \
  --image_size 512 512 \
  --num_steps 50 \
  --n_gpu_layers -1
```

## 常见问题

**Q: 如何减少显存使用?**
A: 使用 `--low_vram` 参数，减少 `--num_frames` 和 `--image_size`

**Q: 生成速度太慢?**
A: 减少推理步数，使用更多 GPU 层数

**Q: 视频质量不好?**
A: 增加推理步数和引导尺度，使用更大的图像尺寸

## 许可证

MIT License