Windows 系统部署 阿里团队开源的先进大规模视频生成模型 Wan2.2 教程——基于 EPGF 架构

Windows 系统部署 阿里团队开源的先进大规模视频生成模型 Wan2.2 教程 ------ 基于EPGF 架构

一、环境准备

基于 EPGF 架构（统一环境管理架构），需搭配以下工具以确保环境一致性：

【EPGF 白皮书】路径治理驱动的多版本 Python 架构------ Windows 环境治理与 AI 教学开发体系
【00】EPGF 架构搭建教程之 总揽篇

1. 基础工具链

   • 已配置的 EPGF 架构环境（提供统一 Python 路径管理、依赖隔离能力）
   • GitHub Desktop：官方下载（可视化仓库管理，支持直接唤起 IDE）
   • PyCharm（社区版 / 专业版）：官方下载
   • （GPU 用户）CUDA 13.0：NVIDIA 官网（需与后续 PyTorch 版本兼容，建议≥12.9）

2. **CUDA 依赖（GPU 用户必做）**安装对应 CUDA 13.0 的 cuDNN。

3. 系统上的其他必备开发组件。

【收藏级】Windows AI 本地开发「完全体」环境搭建清单

---

---

二、 Wan2.2 仓库介绍

GitHub - Wan-Video/Wan2.2：广域网：开放先进的大规模视频生成模型

Wan2.2 是一个开源的先进大规模视频生成模型仓库，专注于提供高效、高质量的视频生成能力，支持文本转视频、图像转视频、语音转视频等多种任务。以下是其核心信息整理：

核心特点

1. 混合专家（MoE）架构创新性地将混合专家架构引入视频扩散模型，通过按时间步分离去噪过程并使用专门的专家模型，在保持计算成本不变的情况下提升了模型容量，优化了生成效率。

2. 电影级美学表现基于精心筛选的美学数据训练，支持对光线、构图、对比度、色调等细节的精确控制，可生成具有定制化美学风格的视频内容。

3. 复杂动作生成能力相比前代模型（Wan2.1），训练数据规模显著扩大（图像增加 65.6%，视频增加 83.2%），在动作、语义和美学等维度的泛化能力大幅提升，性能处于开源和闭源模型前列。

4. 高效高清混合 TI2V开源 5B 参数模型结合先进的 Wan2.2-VAE（压缩比 16×16×4），支持 720P 分辨率、24fps 的文本 - 图像转视频生成，可在消费级显卡（如 4090）上运行，是目前最快的 720P@24fps 模型之一。

支持的模型与任务

仓库提供多种预训练模型，覆盖不同生成场景：

模型名称	任务类型	支持分辨率	下载地址 （Hugging Face / ModelScope）
T2V-A14B	文本转视频	480P、720P（如 1280×720、720×1280 等）	Hugging Face / ModelScope
I2V-A14B	图像转视频	同上	Hugging Face / ModelScope
TI2V-5B	文本 - 图像混合转视频	720P（如 1280×704、704×1280 等）	Hugging Face / ModelScope
S2V-14B	语音转视频	480P、720P 等多种分辨率	Hugging Face / ModelScope
Animate-14B	角色动画与替换	720P（如 1280×720、720×1280）	Hugging Face / ModelScope

---

---

三、部署教程

克隆仓库与快速唤起开发环境

项目地址：

https://github.com/Wan-Video/Wan2.2.git

1. 用 GitHub Desktop 克隆仓库（EPGF 架构适配流程）

1. 打开 GitHub Desktop，点击左上角 "File"→"Clone repository"
2. 选择 "URL" 标签，输入仓库地址：https://github.com/Wan-Video/Wan2.2.git
3. 选择本地保存路径（建议放在 EPGF 架构的项目目录下，如H:\PythonProjects1\Wan2.2），点击 "Clone" 开始克隆
4. 克隆完成后，点击 GitHub Desktop 界面右边的 "Open in external editor"（需提前在 GitHub Desktop 中关联默认 IDE），直接唤起 PyCharm 打开项目

复制克隆链接
在 URL 处输入 从项目官网 复制的 克隆链接 并设置储存位置
GitHub Desktop 快速克隆中
克隆完成后 点击界面右边的 Open in external editor 打开 IDE (PyCharm)

---

2. 基于 EPGF 架构创建虚拟环境

1. PyCharm 打开项目后，会自动检测 requirements.txt 文件，并弹出新建虚拟环境的引导窗口 "Create virtual environment" 提示
2. 基础解释器位置：选择选择 EPGF 架构预设的 Python 3.10（路径通常为D:\A\envs\py310\python.exe）
3. 依赖项：确认路径是本项目的 requirements.txt 文件位置，然后点击 "确定"，项目会在.venv目录创建隔离环境
4. 验证环境关联：点击 PyCharm 右下角 "Python 3.10（.venv）"，确认解释器路径为项目内.venv\Scripts\python.exe，说明 EPGF 架构的环境隔离生效

---

---

四、依赖安装（核心优化步骤）

1. 修改 requirements.txt 适配 Windows

在 PyCharm 左侧项目树中打开requirements.txt，按以下内容注释冲突依赖（利用 EPGF 架构的依赖管理避免版本冲突）：

第 1 行

第 2 行

第 3 行

第 15 行

#torch>=2.4.0  # 由EPGF统一管理PyTorch版本
#torchvision>=0.19.0
#torchaudio
opencv-python>=4.9.0.80
diffusers>=0.31.0
transformers>=4.49.0,<=4.51.3
tokenizers>=0.20.3
accelerate>=1.1.1
tqdm
imageio[ffmpeg]
easydict
ftfy
dashscope
imageio-ffmpeg
#flash_attn  # Windows需手动安装适配版本
numpy>=1.23.5,<2

---

2. 安装 GPU 版 PyTorch

1. 打开 PyCharm 底部 "Terminal"（CMD ）（默认已激活.venv环境，显示(.venv)）

2. 执行适配 CUDA 12.9 的安装命令（EPGF 架构已配置 PyPI 镜像加速）：

   https://pytorch.org/get-started/locally/

   

   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu129

   

   ---

3. 验证 PyTorch 的 CUDA GPU 支持 安装是否成功：

   验证PyTorch深度学习环境Torch和CUDA还有cuDNN是否正确配置的命令

   打开 PyCharm 左侧工具栏中的 "Python 控制台" 窗口，完整复制、粘贴 以下代码并按回车键：

   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

---

3. 安装核心依赖与补充库

# 安装基础依赖
pip install -r requirements.txt

# 安装triton（Windows适配版，解决模型推理加速依赖）
pip install -U "triton-windows==3.1.0.post17"

# 安装peft（参数高效微调库，解决ModuleNotFoundError）
pip install peft

---

4. 手动安装 flash_attn（Windows 专属步骤）

https://github.com/kingbri1/flash-attention/releases

1. 访问kingbri1/flash-attention/releases，下载与 EPGF 架构 Python 版本匹配的 whl：flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp310-cp310-win_amd64.whl

2. 将文件放入项目根目录，在 Terminal 中安装：

   pip install flash_attn-2.8.3+cu128torch2.8.0cxx11abiFALSE-cp310-cp310-win_amd64.whl

   

   

   ---

5. 安装语音转视频依赖（可选）

pip install -r requirements_s2v.txt

---

---

五、模型下载（EPGF 架构路径规范）

Windows 如何更改 Hugging Face 模型下载缓存位置？
Windows 如何更改 ModelScope 的模型下载缓存位置？

---

1. Hugging Face 工具链下载

【2025】Hugging Face模型下载工具链升级：从huggingface-cli到hf的完整迁移指南

# 安装下载工具
pip install "huggingface_hub[cli]" hf-xet

# 按EPGF路径规范下载模型（统一放在项目内模型目录）
hf download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B

hf 模型下载中
模型下载完成

---

2. ModelScope 工具下载（备选）

pip install modelscope  # 若未安装
modelscope download Wan-AI/Wan2.2-T2V-A14B --local_dir ./Wan2.2-T2V-A14B

一般 modelscope 已在前边的步骤中被安装

---

---

六、部署验证

1. 官方示例脚本

单 GPU 官网示例脚本：

python generate.py  --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."

💡 此命令可以在至少具有 80GB VRAM 的 GPU 上运行。
💡如果遇到 OOM（内存不足）问题，可以使用 和 选项来减少 GPU 内存使用。--offload_model True``--convert_model_dtype``--t5_cpu

• 使用 FSDP + DeepSpeed Ulysses 进行多 GPU 推理

  建议使用 PyTorch FSDP 和 DeepSpeed Ulysses 来加速推理。

  torchrun --nproc_per_node=8 generate.py --task i2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-I2V-A14B --image examples/i2v_input.JPG --dit_fsdp --t5_fsdp --ulysses_size 8 --prompt "Summer beach vacation style, a white cat wearing sunglasses sits on a surfboard. The fluffy-furred feline gazes directly at the camera with a relaxed expression. Blurred beach scenery forms the background featuring crystal-clear waters, distant green hills, and a blue sky dotted with white clouds. The cat assumes a naturally relaxed posture, as if savoring the sea breeze and warm sunlight. A close-up shot highlights the feline's intricate details and the refreshing atmosphere of the seaside."

该脚本在 24 GB 显存电脑上，约需 58 小时才能生成视频。

---

2. 修改的测试脚本

相关使用参数：

usage: generate.py [-h] [--task {t2v-A14B,i2v-A14B,ti2v-5B,animate-14B,s2v-14B}]
                   [--size {720*1280,1280*720,480*832,832*480,704*1280,1280*704,1024*704,704*1024}] [--frame_num FRAME_NUM] [--ckpt_dir CKPT_DIR]
                   [--offload_model OFFLOAD_MODEL] [--ulysses_size ULYSSES_SIZE] [--t5_fsdp] [--t5_cpu] [--dit_fsdp] [--save_file SAVE_FILE]
                   [--prompt PROMPT] [--use_prompt_extend] [--prompt_extend_method {dashscope,local_qwen}] [--prompt_extend_model PROMPT_EXTEND_MODEL]
                   [--prompt_extend_target_lang {zh,en}] [--base_seed BASE_SEED] [--image IMAGE] [--sample_solver {unipc,dpm++}]
                   [--sample_steps SAMPLE_STEPS] [--sample_shift SAMPLE_SHIFT] [--sample_guide_scale SAMPLE_GUIDE_SCALE] [--convert_model_dtype]
                   [--src_root_path SRC_ROOT_PATH] [--refert_num REFERT_NUM] [--replace_flag] [--use_relighting_lora] [--num_clip NUM_CLIP] [--audio AUDIO]
                   [--enable_tts] [--tts_prompt_audio TTS_PROMPT_AUDIO] [--tts_prompt_text TTS_PROMPT_TEXT] [--tts_text TTS_TEXT] [--pose_video POSE_VIDEO]
                   [--start_from_ref] [--infer_frames INFER_FRAMES]

单 GPU 推理：

1. 在激活项目环境的终端中运行以下代码：

   （以最小的分辨率、最少细节 测试）

   python generate.py  --task t2v-A14B --size 480*832 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --t5_cpu --infer_frames 8 --prompt "白背景上红色圆点移动"

2. 在 PyCharm 中，若成功生成视频，说明部署完成。

我们发现即使用最简单的提示词和指定最少的时长，还是需要很长时间！

相关生成日志：

Microsoft Windows [Version 10.0.27954.1]

(c) Microsoft Corporation. All rights reserved.

(.venv) H:\PythonProjects1\Wan2.2>python generate.py --task t2v-A14B --size 480*832 --ckpt_dir ./Wan2.2-T2V-A14B --convert_model_dtype --t5_cpu --frame_num 8 --sample_steps 15 --prompt "白背景红点移动"

2025-09-27 19:59:27,861\] INFO: offload_model is not specified, set to True. \[2025-09-27 19:59:27,861\] INFO: Generation job args: Namespace(task='t2v-A14B', size='480\*832', frame_num=8, ckpt_dir='./Wan2.2-T2V-A14B', offload_model=True, ulysses_size=1, t5_fsdp=False, t5_cpu=True, dit_fsdp=False, save_file=None, prompt='白背景红点移动', use_prompt_extend=False, prompt_extend_method='local_qwen', prompt_extend_model=None, prompt_extend_target_lang='zh', base_seed=2715609515929969024, image=None, sample_solver='unipc', sample_steps=15, sample_shift=12.0, sample_guide_scale=(3.0, 4.0), convert_model_dtype=True, src_root_path=None, refert_num=77, replace_flag=False, use_relighting_lora=False, num_clip=None, audio=None, enable_tts=False, tts_prompt_audio=None, tts_prompt_text=None, tts_text=None, pose_video=None, start_from_ref=False, infer_frames=80) \[2025-09-27 19:59:27,861\] INFO: Generation model config: {'__name__': 'Config: Wan T2V A14B', 't5_model': 'umt5_xxl', 't5_dtype': torch.bfloat16, 'text_len': 512, 'param_dtype': torch.bfloat16, 'num_train_timesteps': 1000, 'sample_fps': 16, 'sample_neg_prompt': '色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作 品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体， 手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走', 'frame_num': 81, 't5_checkpoint': 'models_t5_umt5-xxl-enc-bf16.pth', 't5_tokenizer': 'google/umt5-xxl', 'vae_checkpoint': 'Wan2.1_VAE.pth', 'vae_stride': (4, 8, 8), 'patch_size': (1, 2, 2), 'dim': 5120, 'ffn_dim': 13824, 'freq_dim': 256, 'num_heads': 40, 'num_layers': 40, 'window_size': (-1, -1), 'qk_norm': True, 'cross_attn_norm': True, 'eps': 1e-06, 'low_noise_checkpoint': 'low_noise_model', 'high_noise_checkpoint': 'high_noise_model', 'sample_shift': 12.0, 'sample_steps': 40, 'boundary': 0.875, 'sample_guide_scale': (3.0, 4.0)} \[2025-09-27 19:59:27,862\] INFO: Input prompt: 白背景红点移动 \[2025-09-27 19:59:27,862\] INFO: Creating WanT2V pipeline. \[2025-09-27 19:59:52,105\] INFO: loading ./Wan2.2-T2V-A14B\\models_t5_umt5-xxl-enc-bf16.pth \[2025-09-27 19:59:57,032\] INFO: loading ./Wan2.2-T2V-A14B\\Wan2.1_VAE.pth \[2025-09-27 19:59:57,279\] INFO: Creating WanModel from ./Wan2.2-T2V-A14B Loading checkpoint shards: 100%\|██████████████████████████████████████████████████████████████████████████████████████████████\| 6/6 \[00:00\<00:00, 7.62it/s

Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████| 6/6 [00:01<00:00, 3.82it/s]

2025-09-27 20:00:44,601\] INFO: Generating video ... 100%\|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████\| 15/15 \[35:51\<00:00, 143.44s/it

2025-09-27 20:36:53,167\] INFO: Saving generated video to t2v-A14B_480x832_1_白背景红点移动_20250927_203653.mp4 \[2025-09-27 20:36:54,513\] INFO: Finished. (.venv) H:\\PythonProjects1\\Wan2.2\>

相关日志解析：

从日志信息和执行状态来看，生成缓慢的核心原因在于模型固有特性、参数配置冗余以及硬件调度效率三个层面，具体分析及优化方案如下：

一、生成缓慢的核心原因解析（结合日志）

1. 模型本身 "重量级"，加载与推理成本高

• 14B 参数大模型 ：t2v-A14B是 140 亿参数的视频生成模型，即使加载时用了--convert_model_dtype（ dtype 转换），模型本体仍需占用大量 GPU/CPU 资源，日志中 "Loading checkpoint shards" 仅用 1 秒是假象（实际模型初始化从 19:54:17 持续到 19:55:43，耗时 1 分 26 秒）。
• 超大文本编码器 ：依赖umt5_xxl（超大型多语言 T5 模型），仅加载其权重就耗时约 6 秒，且--t5_cpu虽节省显存，但 CPU 运行文本编码会拖慢整体流程。

2. 关键优化参数未生效，生成量远超预期

• 帧数未被正确控制 ：日志显示frame_num=81（默认值，对应 81 帧 ÷16fps≈5 秒视频），但你指定的--infer_frames 8未覆盖默认值（脚本参数优先级问题，frame_num优先级高于infer_frames），实际生成帧数是测试目标的 10 倍。
• 采样步数冗余 ：默认sample_steps=40（去噪采样步数），对 "红色圆点移动" 这种极简画面，20 步以内完全足够，40 步会多消耗一倍时间。

3. 显存优化参数牺牲了速度

• --offload_model True：将部分模型参数在 GPU 和 CPU 间 "卸载 - 加载"，虽解决了显存不足问题，但频繁的数据交换会严重拖慢推理速度（尤其 Windows 系统下 CPU-GPU 通信效率较低）。

二、5 个维度优化：最快 1 分钟内生成

1. 强制控制帧数（核心优化）

用--frame_num 8直接覆盖默认的 81 帧（优先级最高），确保生成 0.5 秒（8 帧 ÷16fps）超短视频，命令中替换为：--frame_num 8

2. 降低采样步数

添加--sample_steps 15（15 步去噪，兼顾速度与画面质量），减少 62.5% 的采样耗时。

3. 关闭模型卸载（若 GPU 显存≥12GB）

若你的 GPU 显存≥12GB（如 3060/4060 及以上），删除--offload_model True，避免 CPU-GPU 数据交换耗时；若显存＜12GB，保留该参数但需接受一定速度损失。

4. 简化文本编码器（可选，需改配置）

若追求极致速度，可临时替换文本编码器为轻量级模型（需修改代码，适合进阶用户）：打开wan/configs/t2v-A14B.yaml，将t5_model: umt5_xxl改为t5_model: t5-small，并注释t5_checkpoint行，加载速度会提升 10 倍以上。

5. 提示词再精简（边际优化）

保留最核心元素：--prompt "白背景红点移动"，减少模型语义理解的计算量。

三、优化后的最终命令（分两种硬件场景）

场景 1：GPU 显存≥12GB（如 3060/4060/3090 等）

python generate.py  --task t2v-A14B --size 480*832 --ckpt_dir ./Wan2.2-T2V-A14B --convert_model_dtype --t5_cpu --frame_num 8 --sample_steps 15 --prompt "白背景红点移动"

• 预期耗时：模型加载约 40 秒 + 推理约 10 秒 = 50 秒内完成。

场景 2：GPU 显存＜12GB（如 2060/1660/3050 等）

python generate.py  --task t2v-A14B --size 480*832 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --t5_cpu --frame_num 8 --sample_steps 15 --prompt "白背景红点移动"

• 预期耗时：模型加载约 50 秒 + 推理约 20 秒 = 1 分 10 秒内完成。

四、额外提速技巧

1. 关闭 Windows 后台程序：任务管理器结束浏览器、视频软件等占用 GPU/CPU 的进程。
2. 确认 GPU 被正确调用：日志中若出现 "CUDA available: True"，说明 GPU 已启用；若为 False，需重新安装 PyTorch GPU 版。
3. 预加载模型到内存：若需多次测试，可修改脚本让模型加载一次后保持驻留（避免重复加载耗时）。

五、验证成功的标志

执行命令后，若日志显示：[INFO] Generating video ... 进度条快速推进至 100%，且项目根目录生成outputs文件夹（内含video_xxx.mp4），即说明部署完全成功。

按上述优化，即使是显存较小的 GPU，也能在 数十 分钟内完成测试，暂时解决测试部署 "慢" 的问题。
测试视频生成完成
在项目文件夹内找到测试视频
测试视频成功播放

测试视频生成成功，说明部署成功。

---

---

关于 requirements_animate.txt 的说明

requirements_animate.txt 是 Wan2.2 仓库中专门用于支持 Wan-Animate 功能（角色动画与替换）的依赖清单，包含了该模块运行所需的核心第三方库。这些依赖主要用于视频预处理、姿态提取、模型微调、日志管理等关键流程，确保角色动画生成和替换功能的稳定运行。

主要依赖及其作用：

• decord：高效的视频读取与帧提取库，用于解析输入视频并提取关键帧，是预处理阶段的基础工具。
• peft：参数高效微调库，支持 LoRA（Low-Rank Adaptation）等轻量级微调方法，在角色替换模式中用于加载和应用重光照 LoRA 模型。
• onnxruntime：ONNX 模型推理引擎，可能用于加速预处理阶段中的姿态检测、目标分割等模型的推理。
• pandas 与 matplotlib：分别用于预处理过程中的数据组织（如姿态序列整理）和可视化（如中间结果预览）。
• SAM-2（facebookresearch/sam2）：Meta 开源的分割模型，用于视频中角色的精确分割，辅助姿态提取和目标替换。
• loguru：简洁的日志管理库，用于记录预处理和推理过程中的关键信息，方便调试和问题追踪。
• sentencepiece：文本分词工具，配合 CLIP 等模型完成文本提示的编码，确保文本信息准确输入模型。

安装方式：

在部署 Wan-Animate 功能时，需先安装这些依赖，可通过以下命令完成：

# 确保已激活环境并进入仓库目录
cd Wan2.2
# 安装Wan-Animate所需依赖
pip install -r requirements_animate.txt

安装完成后，即可支持 Wan-Animate 的预处理（如姿态提取、角色分割）和推理（如动画生成、角色替换）全流程。

---

注意事项

1. 硬件与环境依赖

   • 部分依赖（如flash-attn）可能存在 PEP 517 构建问题，建议通过 手动下载 .whl 文件后安装。
   • 720P 分辨率视频生成推荐使用消费级高端显卡（如 NVIDIA RTX 4090 以上），低显存设备需启用--offload_model等优化参数。

2. 模型功能限制

   • Wan2.2-Animate 当前未支持 Diffusers 集成，仅可通过原生脚本或 ComfyUI 使用。
   • 角色替换模式（Replacement Mode）的掩码提取功能仅支持单人物视频，多人视频可能导致姿态跟踪错误或掩码失效，需用户自行扩展工具支持。

3. 参数配置规范

   • 姿态重定向（retarget_flag）使用时，需确保参考角色与驱动视频第一帧角色均为 "正面站立、肢体舒展" 姿态，否则可能产生变形。
   • 分辨率（size）需符合任务支持的规格（如 T2V-A14B 支持1280*720等），I2V 任务输出比例将自动匹配输入图像。
   • 帧率（fps）设置过低可能导致视频卡顿，建议根据场景需求在 16-30fps 范围内调整。

4. 输入文件要求

   • 图像转视频（I2V）、文本 - 图像混合转视频（TI2V）必须指定有效图像路径（--image），否则会触发参数验证错误。
   • 语音转视频（S2V）使用 TTS 功能时，提示音频（tts_prompt_audio）需满足 "16kHz 以上采样率、5-15 秒时长"，且文本内容（tts_prompt_text）需与音频完全匹配。

5. 许可与合规性

   • 模型使用遵循 Apache 2.0 协议，衍生作品需保留原始版权声明，不得移除或修改 NOTICE 文件中的归因信息。
   • 生成内容需符合社区规范，避免用于色情、侵权等违规场景，相关 prompt 将被自动替换为合规内容。

6. 第三方工具兼容

   • 社区工具（如 ComfyUI-WanVideoWrapper、Cache-dit）可能包含前沿优化，但需注意与官方代码版本的兼容性，建议优先参考工具自身文档。
   • 视频生成效果与硬件配置高度相关，请根据硬件情况酌情部署。