Wan2.2 14B Rapid AllInOne 与 Wan2.1 T2V 1.3B Diffusers:它们是什么、需要什么

Wan2.2 14B Rapid AllInOne 是 Hugging Face 用户 Phr00t 做的 Wan 2.2 混合版,Wan2.1 T2V 1.3B Diffusers 是 Wan-AI 官方的文生视频检查点(Apache 2.0,8.19 GB 显存),而本站目前只提供图片、不做视频,下面的照片编辑器编辑你上传的一张照片约 37 秒,每张 10 积分,按月套餐低至 $0.13。注册即送:10 积分 = 1 张。

改好的照片会显示在这里(本站编辑器)
本站做的影棚背景编辑:同一位女士,背景换成纯浅灰影棚
原图(AI 生成,虚构人物):在公园里微笑的棕色卷发女士,穿绿色毛衣你的照片
写下你想改的地方,或者留空,在下面选一个一键修改。0/400

风格转换(卡通、3D、动漫)目前还不稳定。如果结果看起来没有变化,请再试一次,或把想要的修改写得更具体。

一键修改

  • 只做图片:本站不制作也不剪辑视频
  • 与 Wan-AI、Phr00t 无关
  • 注册即送:10 积分 = 1 张
Wan2.1 T2V 1.3B 模型卡写明的显存
8.19 GB
Wan 2.2 14B 单卡运行 README 写明的显存
80 GB
三个 Hugging Face 页面标注的许可
Apache 2.0
本站提供的内容;不做视频
只做图片

Wan2.1 T2V 1.3B Diffusers 与 Wan2.2 14B Rapid AllInOne 是什么

Wan2.1 T2V 1.3B Diffusers(官方,Wan-AI)

  • Wan-AI/Wan2.1-T2V-1.3B-Diffusers 是 Wan 团队的文生视频检查点,Diffusers 格式。模型卡写明权重和推理代码发布于 2025 年 2 月 25 日,许可为 Apache 2.0;卡上还写明使用不得涉及分享违反适用法律的内容。来源: Hugging Face 模型卡 ·
  • 模型卡写明 T2V-1.3B 模型“只需要 8.19 GB 显存”。支持的尺寸是 480P(命令里是 832 x 480)。卡上说它也能出 720P,但不太稳定,因为训练时用的分辨率更低。来源: Hugging Face 模型卡 ·
  • 它的 Diffusers 示例先安装 diffusers、transformers 和 accelerate,加载 WanPipeline,再设高 480、宽 832、81 帧、引导系数 5.0,按 15 fps 导出,卡上称之为 5 秒视频。另一条路是用仓库的 generate.py,配 --task t2v-1.3B,并用卸载参数省内存。来源: Hugging Face 模型卡 ·
  • Diffusers 文档把这个检查点列在支持的 Wan 检查点里,附 WanPipeline 示例和模型 CPU 卸载等省内存选项。来源: Diffusers 文档 ·
  • Wan 2.1 的 README 新闻说,文生视频和图生视频的 Diffusers 支持加入于 2025 年 3 月 3 日,ComfyUI 支持加入于 2 月 27 日。但 README 自己的待办清单仍把这两项标为未完成,所以同一页的两处说法不一致。来源: Wan 2.1 README ·

Wan 2.2 14B(官方,Wan-AI)

  • Wan 2.2 的代码和权重发布于 2025 年 7 月 28 日,许可 Apache 2.0。文生视频和图生视频的 A14B 模型采用双专家混合结构:高噪声专家负责前期步骤,低噪声专家负责细节。每个专家约 14B 参数,合计约 27B,每一步启用 14B。支持 480P 和 720P。来源: Wan 2.2 README ·
  • README 写明 A14B 模型的单卡命令“至少需要 80GB 显存”,显存不够时列出 --offload_model True、--convert_model_dtype 和 --t5_cpu。它写明更小的稠密模型 TI2V-5B 至少需要 24GB(例如 RTX 4090)。来源: Wan 2.2 README ·
  • T2V A14B 的 Diffusers 模型卡示例用 720P(1280 x 720)、81 帧、16 fps、40 步和 WanPipeline,并说明这个示例需要 Diffusers 的主分支,而不是 PyPI 发布版。来源: Hugging Face 模型卡 ·

Wan2.2 14B Rapid AllInOne(Hugging Face 用户 Phr00t)

  • 仓库 Phr00t/WAN2.2-14B-Rapid-AllInOne 在个人 Hugging Face 账号下,不在 Wan-AI 名下。模型卡把它描述为“Wan 2.2 与其他类 Wan 模型和加速器的混合”,内含 CLIP 和 VAE,FP8 精度;模型树列出的基础模型是 Wan-AI/Wan2.2-I2V-A14B。许可标签是 apache-2.0。来源: Hugging Face 模型卡 ·
  • 用法按模型卡:把单个文件放进 ComfyUI 的 checkpoints 文件夹,用基础的 Load Checkpoint 节点加载,CFG 设 1、4 步。Wan 2.1 的 LoRA 一般可用,“低噪声”的 Wan 2.2 LoRA 也可用,“高噪声”的不行。来源: Hugging Face 模型卡 ·
  • 模型卡列出很多版本:base、V2 到 V10,以及“MEGA”v1 到 v12。MEGA 是一个同时支持文生视频、图生视频和首帧到尾帧的模型,工作流在 mega-v3 文件夹里。卡上还列出 NSFW 混合变体;本站不运行其中任何一个,我们也没有测试。来源: Hugging Face 模型卡 ·
  • 作者写道:“我不再维护它,这些模型已被弃用。”卡上说为了速度和简便做了取舍,所以完整的 Wan 2.2 模型对质量更高,但生成时间更长。来源: Hugging Face 模型卡 ·

我们没测过的说法

  • Wan 2.1 模型卡:在 RTX 4090 上不做优化,生成 5 秒 480P 视频“约需 4 分钟”。这是开发方自己的数字,我们什么都没运行。来源: Hugging Face 模型卡 ·
  • Rapid AllInOne 模型卡:“似乎连 8GB 显存也能跑”。这是作者随口的备注,没有给测试环境、分辨率或视频长度。来源: Hugging Face 模型卡 ·
  • Wan 团队论文摘要(被 Diffusers 文档引用)称 Wan 在其内部和外部基准上胜过其他开源和商业模型。我们不引用分数:那是开发方自己的,不是独立测试。来源: Diffusers 文档 ·

未能确认

  • Rapid AllInOne 是什么时候首次发布的:模型卡没有日期。提交记录里有 1 月 26 日、2 月 20 日和 4 月 6 日的修改,没有显示年份,另有一条可见的更早提交是 2025 年 10 月 17 日,更早的历史在后面几页。我们不猜发布日期。来源: Hugging Face 提交记录 ·
  • Rapid AllInOne 的分辨率和视频长度:模型卡两者都没写,所以我们不引用任何数字。来源: Hugging Face 模型卡 ·
  • 同名的其他仓库:搜索显示别的账号下有副本,其中至少一个说它的作者不再维护。我们没有打开它们,所以无法说明它们和 Phr00t 的仓库有什么不同。下载前请先看清账号名。来源: 网络搜索(不是 Google) ·

并排对比

Wan2.1 T2V 1.3B、Wan 2.2 14B、Rapid AllInOne 与本站

我们自己做的表,数字取自各页面写明的内容(读取于 2026-11-19);是开发方的数字,不是我们的测试。短横线表示页面没写。最后一列是本站自己的设置。
-Wan2.1 T2V 1.3B DiffusersWan 2.2 14B(官方)Wan2.2 14B Rapid AllInOne本站
谁做的Wan-AI(Wan 团队)Wan-AI(Team Wan)Hugging Face 用户 Phr00t;基础模型列为 Wan-AI/Wan2.2-I2V-A14BEffect Booth,用另一个图像模型
做什么由文字生成视频由文字(T2V)或由照片(I2V)生成视频视频;模型卡列出文字、照片和首帧到尾帧模式编辑一张照片(1024 × 1024);不做视频
许可(按页面标注)Apache 2.0Apache 2.0,LICENSE.txt 另有使用限制apache-2.0 标签托管服务;见本站条款
写明的硬件8.19 GB 显存单卡命令至少 80 GB 显存“似乎连 8GB 显存也能跑”(随口备注)无需硬件;在我们的服务器上运行
分辨率推荐 480P;720P 不太稳定480P 和 720P—1024 × 1024
时长/速度15 fps 下 81 帧(“5 秒”);RTX 4090 上约 4 分钟(开发方的说法)Diffusers 示例为 16 fps 下 81 帧—每张照片约 37 秒(实测)
怎么运行Diffusers 的 WanPipeline,或 generate.pygenerate.py,或 Diffusers 主分支;README 称已集成 ComfyUIComfyUI 的 Load Checkpoint,CFG 1,4 步在本页顶部上传
状态2025 年 2 月 25 日发布2025 年 7 月 28 日发布作者称已弃用、不再维护更新于 2026-11-19
试用成本权重开放;用你自己的硬件权重开放;用你自己的硬件权重开放;用你自己的硬件注册即送:10 积分 = 1 张;之后每张 10 积分,按月套餐低至 $0.13

在哪能运行

怎么运行 Wan2.1 T2V 1.3B Diffusers 和 Wan 2.2 14B

  1. Wan2.1 T2V 1.3B Diffusers:装 Diffusers,加载 WanPipeline

    安装 diffusers、transformers 和 accelerate,在 CUDA 显卡上用 WanPipeline 加载 Wan-AI/Wan2.1-T2V-1.3B-Diffusers,像模型卡那样设 480 x 832 和 81 帧。模型卡写明这个模型需要 8.19 GB 显存。

  2. Wan 2.2 14B:大显卡,或者卸载

    README 的单卡命令要求至少 80 GB 显存。内存不够时它列出 --offload_model True、--convert_model_dtype 和 --t5_cpu。更小的 TI2V-5B 写的是 24 GB。用 Diffusers 的话需要主分支。

  3. Rapid AllInOne:ComfyUI 的 Load Checkpoint

    按模型卡,把文件放进 ComfyUI 的 checkpoints 文件夹,用 Load Checkpoint 加载,CFG 设 1、4 步。MEGA 版本请按 mega-v3 文件夹里的工作流。作者说这个仓库已弃用,所以依赖它之前先看有没有更新的路线。

  4. 只需要静态图、不要视频?用本站

    本站目前只提供图片、不做视频。你可以先在这里备好一张干净的静态图,比如换个整洁的背景或让光线均匀,再把它交给别处的图生视频模型当输入。

提示词

给第一帧准备干净照片的提示词(本站编辑器)

这些提示词是为本站的照片编辑器写的,它用和 Wan 不同的模型编辑一张静态照片。它们不做视频,我们也没有为本页运行过,所以结果可能不同。也可以在编辑器里自己写要求,最多 400 个字符。

给第一帧准备干净的背景

另一个开源视频模型:LongCat Video

没有在本站编辑器里运行过。Wan 2.2 的图生视频以一张照片作输入,所以先备一张干净的静态图是合理的起点;本站只处理照片,不做视频。

  • 干净简单的背景

    我的脸、发型和衣服保持完全不变。把背景清理得简洁不杂乱,光线柔和均匀,保持清晰、居中的半身肖像,头部周围留一些空间。不要任何文字、标志或水印。

没有运行过。光线均匀是拍照的通用规则,不是 Wan 页面里写的内容。

  • 脸部光线均匀

    我的脸和姿势保持完全不变。修正光线,让脸部光照均匀,不过暗也不过亮,颜色自然,背景平静、柔和虚化。一张干净清晰的静态照片。不要任何文字、标志或水印。

没有为本页运行过。思路与一键编辑“锐化去噪”相同。

  • 锐化并降噪

    其余一切保持完全不变。轻轻锐化照片,减少噪点和压缩痕迹,找回头发和织物的细节,不要出现塑料感或过度平滑。不要任何文字、标志或水印。

本站价格

积分包或按月套餐。

按一次性积分包购买($4.99 购买 50 积分,$9.99 购买 120 积分,$19.99 购买 300 积分),每张 10 积分。也可选按月套餐,每月 $9.90 起(500 积分),随时可取消。

  • 基础版 · $9.90/月每月 500 积分 · 约 50 张图 · 每张 $0.20
  • 专业版 · $19.90/月每月 1500 积分 · 约 150 张图 · 每张 $0.13

每月扣款,自动续费。随时可在设置中取消,已付费的当月结束前套餐照常可用。每月积分只在当月有效,用不完会过期。

退款政策

常见问题

常见问题

Wan2.2 14B Rapid AllInOne 是什么?

Wan2.2 14B Rapid AllInOne(也有人搜“wan 2.2 rapid aio”)是 Hugging Face 用户 Phr00t 发布的一组视频模型检查点,不是 Wan-AI 发布的。模型卡称它们是 Wan 2.2 与其他类 Wan 模型和加速器的混合,内含 CLIP 和 VAE,FP8 精度。作者说它已弃用、不再维护。

Wan2.1 T2V 1.3B Diffusers 是什么?

Wan2.1 T2V 1.3B Diffusers(仓库是 Wan-AI/Wan2.1-T2V-1.3B-Diffusers)是 Wan 团队官方的文生视频检查点,Diffusers 格式,2025 年 2 月 25 日发布,采用 Apache 2.0。模型卡写明 8.19 GB 显存,并推荐 480P。

Wan 2.1 T2V 1.3B 需要多少显存?

模型卡写的是 8.19 GB,并称在 RTX 4090 上不做优化可在约 4 分钟内生成 5 秒 480P 视频。这些是开发方的数字,我们没测过。Wan 2.2 14B 更大:它的 README 写明单卡命令至少 80 GB。

Wan2.2 14B Rapid AllInOne 能在 ComfyUI 里运行吗?

模型卡说用 ComfyUI 的 Load Checkpoint 节点加载单个文件,CFG 设 1、4 步,并补充说它“似乎连 8GB 显存也能跑”。最后这句是随口的备注,我们没测过,卡上也没给分辨率或视频长度。

Wan 2.2 的 Rapid AllInOne 模型是官方的吗?

不是。它在个人账号 Phr00t 下,基础模型列为 Wan-AI/Wan2.2-I2V-A14B。官方的 Wan 2.2 模型在 Wan-AI 名下,GitHub 的 README 在 Wan-Video/Wan2.2。同名的 Rapid AllInOne 在其他账号下也有副本,所以请先确认是谁发布的文件。

能在这里用 Wan 做视频吗?

不能。本站目前只提供图片、不做视频,也不运行 Wan 或任何视频模型。它用另一个模型编辑你上传的一张照片。要做视频,请自己运行 Wan 模型或用托管方。我们关于 LongCat Video、Seedance 2.5 和 MiniMax H3 Image 的页面讲了相关模型。

该选 Wan 2.1 1.3B 还是 Wan 2.2 14B?

按页面写明的数字,1.3B 模型需要 8.19 GB 显存、面向 480P;14B 的 Wan 2.2 模型支持 480P 和 720P,单卡命令至少要 80 GB。我们两个都没运行过,所以无法比较画质高低。

在这里能免费试用吗?

部分免费:新账号登录后送 10 积分,够免费生成 1 张(每个账号一次,7 天内有效,当天新账号名额送完即止)。每张 10 积分,按月套餐低至 $0.13。

需要一张干净的静态照片?

上传照片,写下要改的地方,约 37 秒后下载。

在本站编辑照片

独立网站,与 Wan-AI、Phr00t、Hugging Face、GitHub 以及这里提到的任何托管方无关,本站不运行 Wan,也不制作视频。Wan 的信息来自上面列出的页面,读取于 2026-11-19;硬件要求、许可和可用性可能变化。