Wan2GP V52版：全面加速生态，显存更低，速度更快！低配显卡玩转AI绘画/视频生成/音乐语音生成

无言***

Wan2GP V52版：全面加速生态，显存更低，速度更快！低配显卡玩转AI绘画/视频生成/音乐语音生成 ...

Wan2GP 是一个由DeepBeepMeep开发开源的 “显卡门槛低的全能型 AI 创作工具”，最大的特点是“低显存也能跑”，支持多种模型（视频、图像、语音、音乐），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，包括最新的MiniMax H3、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。就以当下最火的视频生成模型 MiniMax-H3来说，原版需要至少50G显存才能跑得动的模型，现在 Wan2GP 把这个标准降低到8GB，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以及语音和音乐生成模型，目前支持Wan2、MiniMax H3和Hunyuan Vidoe等视频生成模型；Flux、Krea和Qwen主流图像生成和图像编辑模型；Qwen-TTS和Index-TTS等主流语音模型；YuE2ce-Step等音乐生成模型，涵盖视频生成、图像生成、语音音乐等综合领域All In One。


今天分享的 Wan2GP V52版，基于官方 10月11日的 V18 打包。升级 MMGP v4 显存管理系统，大幅降低模型运行显存占用，并优化 Profile 4/5 速度，实现低显存显卡更快运行大型视频模型。进一步扩展生态，重构 VAE 加速体系，提升 Wan、LTX、Hunyuan 等模型生成效率，同时新增视频、3D、Agent 等工作流支持，使 WanGP 从低显存视频生成工具升级为综合 AI 创作平台。


因后期版本整体做了模块化及大量内部重构，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版到V39版，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。
因个人精力优先，故从V40版起，不再发布任何免费版本的Wan2GP一键包。如需免费版，请移步历史版本。


10月14日更新内容

环境部分：

更新Python 3.11 + Pytorch 2.10 + Cuda 13组合环境；针对Blackwell架构显卡（比如50系显卡）做了大量优化改进，使其在各领域尤其是视频生成领域性能大幅度提升；集成Git环境，无需手动安装Git即可实现插件安装配置


内容更新：

更新MMGP v4，15 秒 1080p 的 H3 视频过去需要 25 GB 的 VRAM，现在只需要 11 GB 的 VRAM。每个人都是赢家，只需 5-6GB 的 VRAM 即可生成 15 秒的 480p H3 视频。生成大型视频时，Profile 4 的速度提高了 25%，并且使用的 VRAM 减少了 50%。除此之外，WanGP 还进行了优化，成为低 VRAM 应用程序的首选。更好的是：在许多情况下，Profile 4 现在击败了旧的 Profile 1，并与新的 Profile 1 相匹配。良好的旧式故障保护 Profile 5 速度提高了 50%。甚至安全网也得到了涡轮增压。（为了充分利用此更新，首先确保您使用 Sage2/2+ Attention，因为很多优化都依赖于它。然后打开新的 配置 → RAM/VRAM 管理选项卡，在 VRAM 分配器 下选择 MMGP 优化VRAM分配器 选项，然后打开 智能内存固定。如果更改分配器，请重新启动 WanGP。）

LTX 2.x VAE 速度提高 3 倍：LTX 2 VAE 在 WanGP 中进行了重写：使用 Profile 4 在 RTX 5090 上生成 20 秒的 480p (24fps) 视频现在大约需要 28 秒。实时，我们可以从这里看到您...

Wan 和 HunyuanVideo VAE 速度提高了 2 倍到 3.5 倍：我不想让这两个感到被抛弃。 Wan 2.1 VAE 速度提高了 3.5 倍（Wan 2.2 提高了 1.6 倍），并且需要更少的 VRAM：解码 1080p 从 28 秒/10.5 GB 到 11 秒/4.7 GB。 HunyuanVideo 的解码速度大约快 2 倍。这三者的优点是：平铺接缝在 Wan 上已成为历史（平铺 = 未平铺），而在 LTX 2 和 HunyuanVideo 上则更加微弱。

Kandinsky 6.0：具有同步音频（口型同​​步的语音、音乐、音效）的新视频生成器，Pro 30B 和 Lite 3B，两者均经过精炼。目前剪辑很短（5 秒），但 WanGP 版本的 VRAM 和往常一样低，并且其 VAE 比官方版本快 2 倍。

Wan 2.2 Prism Video：图像到音频的视频，源自Wan 2.2架构，原生最高2K。

CUDA 图形加速：消除让 GPU 等待的 CPU 时间。在较轻的 GPU 工作（图像模型）和中等 CPU 上大多可见：SenseNova +30%，Qwen Image 2.1 +10%，H3 约为 0%。

RTX 50xx 上的启动速度更快，SSD 更快乐：在 Blackwell GPU 上，NVIDIA 驱动程序会在每次启动时再次优化 GPU 代码，并将结果保存在共享的 1 GB 缓存中，该缓存太小而无法容纳所有内容：每个第一代都会丢失 10-15 秒，并且每次都会在 SSD 上重写缓存。勾选“配置”→“性能”→“WanGP 计算缓存”，为 WanGP 提供自己的缓存（最多 2 GB）：工作一劳永逸。

3D Gen 模型：WanGP 进入三维，与其他模型具有大量协同作用：在新的 3D 查看器中旋转 3D 资源，以您想要的分辨率捕捉视图并将其用作起始图像，或者将生成的图像和视频转换为 3D。

H3 Veda Sparse：MiniMax H3 获得了学习稀疏注意力，高分辨率或更长视频的生成速度提高了 2 倍。适用于完整的 33B 和修剪的 20B FL2VA/Ref2VA 型号，使用相同的设置和 LoRA。

工作区文件夹：将每个项目生成和导入的媒体保存在自己的文件夹中，以便于组织和备份。为新工作区选择专用文件夹，或使用图库管理器转换现有工作区或选择不同的存储文件夹。要启用此功能：“配置/输出”选项卡。

扩展了对代理的 MCP 支持：外部代理获得新工具来验证生成设置、管理自己的工作区、检查图像、视频和 3D 资产以及传输文件。现在，代理活动在 Gradio 界面中可见，因此您可以跟踪他们的工作。




项目特点

低显存要求：只需 6GB 显存即可运行部分模型，适合“显卡贫民”（老款 NVIDIA RTX 10xx/20xx）。  
多模型支持：兼容 Wan 2.1/2.2、Hunyuan Video、Flux、Qwen Image、LTX Video、Kandinsky 等主流开源生成模型。  
多模态功能：不仅能生成视频，还支持图像编辑、语音合成（TTS）、音乐生成。  
插件生态：内置画廊浏览器、模型管理器、CivitAI 下载器、Upscaler 等工具，方便扩展。  
易用性：提供完整的网页界面和命令行模式，支持队列生成和批处理。  
优化性能：支持量化（int8、fp8、NV FP4 等），提升速度同时降低显存占用。



应用领域

短视频创作：快速生成 AI 视频，用于社交媒体内容、广告或创意展示。  
语音合成与配音：支持情感化 TTS，可生成多角色对话，适合播客、虚拟主播。  
音乐生成：内置 Ace Step、Heart Mula 等模型，可自动生成歌曲和歌词。  
学术研究与实验：为研究人员提供多模态生成平台，方便测试不同模型。  
个性化创作：支持 Lora 微调和控制视频生成参数，满足定制化需求。



使用教程：（建议N卡，显存6G起，部分模型需内存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


模型下载技巧：打开模型下载链接后，选择“按修改时间”排序，即可快速找到最新版本同步更新的模型，下载放到ckpts目录即可。


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/
│    ...
📂 loras/
📂 deepface/
......




下载地址：
一键包在路上...