阿里 Wan2.1 在 Windows 系统的部署实践笔记（更新版）
一、克隆仓库
-
项目地址 ：https://github.com/Wan-Video/Wan2.1.git
https://github.com/Wan-Video/Wan2.1.git -
克隆方式：使用 GitHub Desktop （较为稳定和快速）克隆仓库到本地
二、创建虚拟环境
Python 多版本环境治理理念驱动的系统架构设计------三维治理、四级隔离、五项自治 原则（路径治理升级修订 V 2.0 版）-CSDN博客
- 用 PyCharm 打开项目文件夹
- PyCharm 会自动识别项目中的requirements.txt
- 按照弹窗引导，配置基础 Python 解释器，由 PyCharm 自动创建
.venv虚拟环境
三、调整依赖配置
修改 requirements.txt 文件，注释掉torch及相关项（后续将单独安装适配 Windows 的版本）
注释以下项：
# 第 1 行 torch>=2.4.0
# 第 2 行 torchvision>=0.19.0
# 第 14 行 flash_attn原因说明：
第 1 行 和 第 2 行，直接安装会安装 torch 的 CPU 版，无法启用 CUDA 加速。如需 CUDA 的 GPU 加速，需使用 PyTorch 官网的命令安装。
对于稳定的 PyTorch 的 CUDA GPU 支持，请参见以下博客：
PyTorch 的 CUDA GPU 支持 · 安装五条铁律（最新版 2025 修订）（适用于所有用户）_pytorch 2.7.1支持的cudnn-CSDN博客
第 14 行 ，因为 pypi 仓库目前还没有直接适配 Windows 的 flash-attn 版本，直接安装会导致失败，并且 flash-attn 的安装依赖项之一是 torch ，所以等 torch 安装完成并验证成功后，再行安装flash-attn 的 .whl 文件。
修改后的 requirements.txt 文件
注释后的 requirements.txt 文件内容：
# torch>=2.4.0
# torchvision>=0.19.0
opencv-python>=4.9.0.80
diffusers>=0.31.0
transformers>=4.49.0
tokenizers>=0.20.3
accelerate>=1.1.1
tqdm
imageio
easydict
ftfy
dashscope
imageio-ffmpeg
# flash_attn
gradio>=5.0.0
numpy>=1.23.5,<2修改完成后，先不安装，待 PyTorch 安装完成后再行安装。
四、安装 PyTorch
-
安装命令 （以 CUDA 12.8 为例）：
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu128
-
验证安装 ：
进入 Python 环境并运行：
python粘贴以下全部脚本内容并按 回车 键。
import torch # 导入 PyTorch 库 print("PyTorch 版本：", torch.__version__) # 打印 PyTorch 的版本号 # 检查 CUDA 是否可用，并设置设备（"cuda:0" 或 "cpu"） device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") print("设备：", device) # 打印当前使用的设备 print("CUDA 可用：", torch.cuda.is_available()) # 打印 CUDA 是否可用 print("cuDNN 已启用：", torch.backends.cudnn.enabled) # 打印 cuDNN 是否已启用 # 打印 PyTorch 支持的 CUDA 和 cuDNN 版本 print("支持的 CUDA 版本：", torch.version.cuda) print("cuDNN 版本：", torch.backends.cudnn.version()) # 创建两个随机张量（默认在 CPU 上） x = torch.rand(5, 3) y = torch.rand(5, 3) # 将张量移动到指定设备（CPU 或 GPU） x = x.to(device) y = y.to(device) # 对张量进行逐元素相加 z = x + y # 打印结果 print("张量 z 的值：") print(z) # 输出张量 z 的内容
注意确认 验证输出的 细节
五、安装项目依赖
安装修改过后的 requirements.txt 文件：
pip install -r requirements.txt
requirements.txt 文件修改过后安装基本不会有什么问题。
安装完成后请进行下一步。
六、安装 flash-attn
-
下载预编译包 ：
从https://github.com/kingbri1/flash-attention/releases下载适用于 Windows、CUDA 12.8 和对应 Python 版本的.whl文件（例如flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl），并移动到项目文件夹内，避免因文件名和路径过长导致的安装失败。# 文件名： flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl说明：flash-attn 版本号：2.8.3 ；适配 CUDA 12.8 版；适配torch 2.8.0 版；适用于python 3.11 版。这些版本号需一一对应。
-
安装命令 ：
pip install flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl命令说明：
# .whl文件在当前目录 pip install 下载的.whl文件 # .whl文件不在当前目录 pip install 下载的.whl文件"完整路径+完整文件名.whl" # 比如:.whl 在 "E:\Downloads\flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl"，则安装命令为(不过路径和文件名过长容易导致安装失败)： pip install "E:\Downloads\flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl"
或者使用自动从文件源下载并执行安装的命令：
pip install https://github.com/kingbri1/flash-attention/releases/download/v2.8.3/flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp311-cp311-win_amd64.whl
-
验证安装 ：
python -c "import flash_attn; print('flash-attn 安装成功，版本:', flash_attn.__version__)"
七、下载模型文件
-
安装下载工具：
pip install "huggingface_hub[cli]" pip install hf_xet # 解决Xet Storage存储的性能优化依赖 pip install modelscope
说明：
hf_xet是用于优化 Xet Storage 存储的下载性能，若未安装会提示警告并降级为普通 HTTP 下载，建议安装以提升大文件下载速度。
通过 Hugging Face 下载：
hf download Wan-AI/Wan2.1-T2V-14B --local-dir ./Wan2.1-T2V-14B
注意：下载过程中可能会显示进度条和文件下载信息，属于正常现象。若遇到网络问题可中断后重新执行命令，支持断点续传。
-
或通过 ModelScope 下载：
modelscope download Wan-AI/Wan2.1-T2V-14B --local_dir ./Wan2.1-T2V-14B
八、运行测试
执行文本生成视频测试命令：
python generate.py --task t2v-14B --size 1280*720 --ckpt_dir ./Wan2.1-T2V-14B --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."
注意：根据硬件配置不同，可能需要调整参数（如
--size选择更低分辨率、--offload_model True等）以确保运行流畅。对于 1.3B 模型，建议添加--sample_guide_scale 6参数。