Wan2GP V37版 - 低配显卡玩转AI绘画/视频生成 新增Flux 2 Klein图像模型 新增GGUF支持 支持50系显卡 一键整合包下载
Wan2GP 是一个由DeepBeepMeep开发的开源 AI视频生成/绘画 项目，旨在为GPU资源有限的用户提供高质量的 视频/绘画 生成体验。它囊括了多种绘画/视频生成模型，包括阿里的Wan及其衍生模型、腾讯的Hunyuan Video和LTV Video等主流视频生成和Qwen-Image-Edit、Flux、Z-Image等模型，通过简洁易用的网页界面，用户无需深入了解复杂的模型细节，即可轻松生成想要的 绘画/视频内容。
Wan2GP 的问世，让广大低端显卡用户也能玩转高大上的视频生成项目了。就以HunyuanVideo 13B图生视频模型来说，原版需要至少80G显存才能跑得动的模型，现在 Wan2GP 把这个标准降低到10GB，而且生成的视频质量几乎没用任何的损失和降低。但缺点也是有的，生成时间会拉长，同时需要更大的运行内存。
Wan2GP 同时支持各种主流高质量的AI绘画和图像编辑模型，目前支持Flux和Qwen主流图像生成和图像编辑模型，视频生成和图像生成双剑合璧。
今天分享的 Wan2GP V37版，基于官方 1月17日的 V10.41 打包。新增 Flux 2 Klein图像生成/编辑模型；新增更轻的GGUF模型支持；新增模型管理插件等。
因这个版本整体做了大量内部重构，翻译的工作量难度也相应增大，翻译后的版本可能有一些问题， 如有影响使用的问题，请评论区回复，会第一时间修复。
在尽量保证功能完整的情况下，进一步对WebUI做了更多的汉化翻译，目前汉化率97%。新增“多开”功能，支持一次开启多个WebUI。
注. 从V6版开始，提供两种版本，免费版和付费版。区别为：免费版不再提供中文翻译，原汁原味官方原版，不包含模型；付费版为中文翻译版，包含一些常用的模型，后期会逐步加入更多模型，以及一些优化功能加入。
主要更新内容如下：
1月17日更新
环境部分：
优化Wan Pytorch 编译器，恢复稳定的环境 torch到2.7；更新 SageAttention；集成Git环境，无需手动安装Git即可实现插件安装配置
软件部分：
GGUF格式的支持：虽然有些人可能不太喜欢这种格式，但在与图像/视频生成模型结合使用时，使用GGUF并不会带来任何性能提升（矩阵乘法运算仍以16位精度进行）；虽然它能节省一些VRAM空间，但图像质量也不如使用int8或fp8格式时好。不过GGUF确实有一个优点：它占用的RAM和硬盘空间更少。现在你们已经可以享受到GGUF格式的支持了！我已为LTX 2版本准备了可以直接使用的Kijai GGUF微调模型；
模型管理插件：使用该插件可以查看每个模型或微调配置所占用的空间，并删除不再需要的模型。不过请注意，避免删除那些被其他模块共享的文件，否则这些文件会再次被下载下来；
LTX 2的双视频/音频控制功能：如果想同时使用视频中的音频数据来驱动视频生成过程，就不再需要先提取音频轨道了；新功能允许你直接利用视频中的视频和音频数据；
LTX 2 – 自定义VAE模型：有些用户询问是否可以使用旧的Distiller VAE模型来替代新版本。为此，你可以基于现有的模型定义创建一个新的微调配置文件，并将其保存在finetunes/文件夹中（具体操作方法请参考文档FINETUNES.md）；
Flux 2的Klein 4B/9B模型：这些经过精简处理的模型运行速度至少与Z_Image模型相当，甚至可能更快；而且它们具备“开箱即用”的图像处理功能（无需额外配置即可使用）；
Flux 2 Klein 4B 和 9B：试试这些蒸馏模型，速度可达 Z_Image 甚至更快，但不支持原厂图像版功能。
项目特点
低显存要求：Wan2GP对显存的需求较低，某些模型甚至仅需6GB 显存即可运行，这使得更多用户能够体验到视频生成的乐趣。
支持老旧GPU：项目不仅支持最新的GPU，还兼容RTX 10XX、20XX等老旧型号，降低了硬件门槛。
高效快速：在最新GPU上，Wan2GP能够非常快速地生成视频，大大缩短了等待时间。
易用性：提供全网页界面，用户无需安装额外软件即可使用，同时集成了模型自动下载、视频生成工具（如遮罩编辑器、提示增强器）、时空生成等功能，简化了操作流程。
Loras支持：允许用户自定义每个模型，以满足个性化需求。
排队系统：用户可以列出想要生成的视频清单，稍后回来查看结果，提高了效率。
应用领域
创意内容制作：设计师、动画师等创意工作者可以利用Wan2GP快速生成概念视频、动画短片或广告素材。
娱乐与社交：用户可以在社交媒体上分享通过Wan2GP生成的有趣视频，增加互动性和趣味性。
教育与培训：教师可以制作生动的教学视频，帮助学生更好地理解和掌握知识；企业也可以利用该技术进行产品演示或员工培训。
影视后期制作：影视行业从业者可以利用Wan2GP进行特效制作、场景渲染等工作，提高制作效率和质量。
使用教程：（建议N卡，显存8G起，内存32G起。支持50系显卡，基于CUDA12.8）
使用和之前发布的Wan2.1以及类似的视频生成软件类似，根据需要，点击最上方的模型列表，切换需要使用的模型，会根据切换的模型自动下载，模型较大，耐心等待下载完成。
注. 模型是通用的，更新新版后，只需要将之前旧版的模型目录（目录下的ckpts）移动到新软件目录下即可，无需重复下载
支持文生视频和图生视频。支持低端显卡运行阿里Wan、腾讯HunyuanVideo以及LTV Video等高精度模型。支持多种Lora类型扩展，请根据页面使用说明将lora模型放入对应的目录手动加载。
启动WebUI后，页面有“指南”选项卡，作者很详细的介绍了不同的模型参数和特点及应用领域、Lora模型的加载及使用以及VACE ControlNet的详细使用说明。UI我也做了大部分汉化，方便大家使用。
基于原版使用文档，我做了详细的翻译，建议大家仔细阅读，作为操作参考。
测试了30-50系显卡，均能正常运行。10-20没做测试，可自行测试
Wan2.2 提示词填写技巧，可以参考官方文档：
https://mp.weixin.qq.com/s/ucHuyomTZ6X2q_tL3wHQQg
https://alidocs.dingtalk.com/i/nodes/jb9Y4gmKWrx9eo4dCql9LlbYJGXn6lpz
软件目录结构：
📂 ckpts/
│ ├── 📂 chinese-wav2vec2-base/
│ │ └── pytorch_model.bin
│ ├── 📂 Qwen2.5-VL-7B-Instruct/
│ │ └── Qwen2.5-VL-7B-Instruct_quanto_bf16_int8.safetensors
│ └── 📂 umt5-xxl/
│ └── models_t5_umt5-xxl-enc-quanto_int8.safetensors
📂 models/
│ ├── 📂 qwen/
│ ├── 📂 wan/
│ ...
📂 deepface/
......
下载地址：
迅雷云盘：上传中
夸克网盘：
**** 本内容需购买 ****
百度网盘：
**** 本内容需购买 ****
这个庞然大物，越来越大了
页:
[1]