Wan2GP 安装完整指南6GB 显存也能跑视频生成附高频踩坑绕法【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGPWan2GP 安装全程只需敲十来条命令。它是面向普通显卡的开源视频生成工具文生视频、图生视频都支持入门模型 6GB 显存即可启动8GB 显存跑起来更从容。这篇文章按「装之前 / 装的时候 / 跑起来之后 / 卡住了怎么办」的路径走一遍所有命令都可以直接复制。装之前确认这 4 项操作系统是 Linux 或 Windows 均可NVIDIA 显卡需要支持 CUDA老 GTX 10xx 卡也覆盖走另一套 Python 3.10 CUDA 12.8 的组合。✅ Python 版本要精确RTX 20xx 到 50xx 用 3.11.14GTX 10xx 用 3.10.9不要随手拿系统自带的版本。硬盘留足 10GB 给代码和模型文件内存 8GB 以上。验证环境只需要两条命令python --version nvidia-smi第一条确认 Python 版本对上第二条确认驱动和显卡能被系统识别。高频踩坑与绕过方法先做预期管理下面四个坑占安装失败的绝大多数每个都有现成绕法依赖装不上先pip install --upgrade pip再重试如果是 Triton 这类编译型包反复失败用python wgp.py --attention sdpa回退到基础注意力模式功能不受影响。CUDA 相关报错通常是 PyTorch 和显卡的 CUDA 版本不匹配。用nvidia-smi看到右上角的 CUDA 版本按 docs/INSTALLATION.md 里对应显卡型号的 torch 安装命令重装 PyTorch。显存不足CUDA out of memory换小模型--t2v-1-3B、降 profile 等级--profile 4或减少帧数、降低分辨率Windows 上还能跑scripts\gputrim.cmd回收闲置显存。Python 版本不对报包兼容错误时大概率是版本没对上按上文用 conda 建精确版本的环境。更细的诊断流程在 docs/TROUBLESHOOTING.md。一条命令拉代码建好环境git clone https://gitcode.com/gh_mirrors/wa/Wan2GP cd Wan2GP conda create -n wan2gp python3.11.14 conda activate wan2gp pip install torch2.10.0 torchvision0.25.0 torchaudio2.10.0 --index-url https://download.pytorch.org/whl/cu130 pip install -r requirements.txt 注意 torch 必须单独按 CUDA 13.0 源装之后再装 requirementsGTX 10xx 用户把 Python 换成 3.10.9、torch 换成 CUDA 12.8 对应的 2.7.1 版本。requirements 里包很多装得慢属正常断网重跑同一条命令即可续装。启动服务并打开界面python wgp.py服务起来后按终端提示的本地地址默认 http://localhost:7860在浏览器打开就能看到模型下拉菜单和生成面板。 显存紧张的话用项目自带的scripts/start-chrome-no-gpu.shWindows 为 .bat启动一个不占显存的 Chrome能多挤出 1–5GB。跑起来之后第一次生成这样设首次体验建议从文生视频开始模型选 Wan 2.1 text2video 1.3B最快、6GB 显存可跑帧数 49 帧约 2 秒步数 20速度和质量的平衡点。首次使用可以先看界面里的Guides标签有一组按硬件推荐的模型列表。想加自己的风格就把 LoRA 文件放进loras/下对应模型的子目录如loras/wan/目录规划和复用外部 LoRA 库的写法见 docs/LORAS.md。想省时间就开 Tea Cache设置项是skip_steps_cache_type填tea填mag用 MagCache名称定义在 shared/utils/setting_names.py命令行方式更直接--teacache 1.5约 1.5 倍速几乎无损--teacache 2.5速度翻倍但画质可见损失各档位说明在 docs/CLI.md。默认参数包在 profiles/各模型的接入代码在 models/改默认值前先看这两个目录。卡住了怎么办回到「高频踩坑」一节对照处理仍解决不了时优先看 docs/TROUBLESHOOTING.md 和 docs/GETTING_STARTED.md 的界面说明。升级项目用git pull 重跑pip install -r requirements.txt保持当前 Python / PyTorch 版本不动即可。【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGP创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Wan2GP 安装完整指南6GB 显存也能跑视频生成附高频踩坑绕法【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGPWan2GP 安装全程只需敲十来条命令。它是面向普通显卡的开源视频生成工具文生视频、图生视频都支持入门模型 6GB 显存即可启动8GB 显存跑起来更从容。这篇文章按「装之前 / 装的时候 / 跑起来之后 / 卡住了怎么办」的路径走一遍所有命令都可以直接复制。装之前确认这 4 项操作系统是 Linux 或 Windows 均可NVIDIA 显卡需要支持 CUDA老 GTX 10xx 卡也覆盖走另一套 Python 3.10 CUDA 12.8 的组合。✅ Python 版本要精确RTX 20xx 到 50xx 用 3.11.14GTX 10xx 用 3.10.9不要随手拿系统自带的版本。硬盘留足 10GB 给代码和模型文件内存 8GB 以上。验证环境只需要两条命令python --version nvidia-smi第一条确认 Python 版本对上第二条确认驱动和显卡能被系统识别。高频踩坑与绕过方法先做预期管理下面四个坑占安装失败的绝大多数每个都有现成绕法依赖装不上先pip install --upgrade pip再重试如果是 Triton 这类编译型包反复失败用python wgp.py --attention sdpa回退到基础注意力模式功能不受影响。CUDA 相关报错通常是 PyTorch 和显卡的 CUDA 版本不匹配。用nvidia-smi看到右上角的 CUDA 版本按 docs/INSTALLATION.md 里对应显卡型号的 torch 安装命令重装 PyTorch。显存不足CUDA out of memory换小模型--t2v-1-3B、降 profile 等级--profile 4或减少帧数、降低分辨率Windows 上还能跑scripts\gputrim.cmd回收闲置显存。Python 版本不对报包兼容错误时大概率是版本没对上按上文用 conda 建精确版本的环境。更细的诊断流程在 docs/TROUBLESHOOTING.md。一条命令拉代码建好环境git clone https://gitcode.com/gh_mirrors/wa/Wan2GP cd Wan2GP conda create -n wan2gp python3.11.14 conda activate wan2gp pip install torch2.10.0 torchvision0.25.0 torchaudio2.10.0 --index-url https://download.pytorch.org/whl/cu130 pip install -r requirements.txt 注意 torch 必须单独按 CUDA 13.0 源装之后再装 requirementsGTX 10xx 用户把 Python 换成 3.10.9、torch 换成 CUDA 12.8 对应的 2.7.1 版本。requirements 里包很多装得慢属正常断网重跑同一条命令即可续装。启动服务并打开界面python wgp.py服务起来后按终端提示的本地地址默认 http://localhost:7860在浏览器打开就能看到模型下拉菜单和生成面板。 显存紧张的话用项目自带的scripts/start-chrome-no-gpu.shWindows 为 .bat启动一个不占显存的 Chrome能多挤出 1–5GB。跑起来之后第一次生成这样设首次体验建议从文生视频开始模型选 Wan 2.1 text2video 1.3B最快、6GB 显存可跑帧数 49 帧约 2 秒步数 20速度和质量的平衡点。首次使用可以先看界面里的Guides标签有一组按硬件推荐的模型列表。想加自己的风格就把 LoRA 文件放进loras/下对应模型的子目录如loras/wan/目录规划和复用外部 LoRA 库的写法见 docs/LORAS.md。想省时间就开 Tea Cache设置项是skip_steps_cache_type填tea填mag用 MagCache名称定义在 shared/utils/setting_names.py命令行方式更直接--teacache 1.5约 1.5 倍速几乎无损--teacache 2.5速度翻倍但画质可见损失各档位说明在 docs/CLI.md。默认参数包在 profiles/各模型的接入代码在 models/改默认值前先看这两个目录。卡住了怎么办回到「高频踩坑」一节对照处理仍解决不了时优先看 docs/TROUBLESHOOTING.md 和 docs/GETTING_STARTED.md 的界面说明。升级项目用git pull 重跑pip install -r requirements.txt保持当前 Python / PyTorch 版本不动即可。【免费下载链接】WanGPA fast AI Video Generator for the GPU Poor. Supports Minimax H3, LTX-2.3/2.5, Wan 2.1/2.2, Qwen Image 1/2, Krea 2, Hunyuan Video, LTX Video and Flux.项目地址: https://gitcode.com/gh_mirrors/wa/WanGP创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
