Wan2GP 项目使用教程

【免费下载链接】Wan2GP Wan 2.1 for the GPU Poor 项目地址: https://gitcode.com/gh_mirrors/wa/Wan2GP

1. 项目目录结构及介绍

Wan2GP 项目的主要目录结构如下：

• assets: 存放项目所需的静态资源文件。
• examples: 包含了一些示例文件，用于演示如何使用本项目。
• gradio: 与 Gradio 相关的文件，Gradio 是一个用于快速建立机器学习模型演示界面的库。
• loras: 存放 Loras 相关的文件，Loras 是一种用于视频生成的技术。
• loras_i2v: 与 Loras Image-to-Video 相关的文件。
• tests: 存放测试代码和文件。
• wan: 项目的主要代码目录，包含了模型的实现。
• .gitignore: 指定 Git 忽略的文件和目录。
• LICENSE.txt: 项目的开源协议文件。
• README.md: 项目的说明文档。
• gradio_server.py: 用于启动 Gradio 服务器的 Python 脚本。
• i2v_inference.py: 用于图像到视频推理的 Python 脚本。
• requirements.txt: 项目运行所需的依赖库列表。

2. 项目的启动文件介绍

项目的启动文件为 gradio_server.py。该文件负责启动 Gradio 服务器，以提供 Web 界面供用户与模型交互。

启动命令如下：

python gradio_server.py

执行上述命令后，Gradio 服务器将启动，并在默认的 Web 浏览器中打开一个新标签页，显示模型的交互界面。

3. 项目的配置文件介绍

项目的主要配置文件是 i2v_settings.json 和 t2v_settings.json，分别用于配置图像到视频和文本到视频的相关参数。

配置文件通常包含以下内容：

• model: 指定使用的模型名称。
• loras: 指定使用的 Loras 名称列表。
• prompt: 输入提示信息。
• output: 输出配置，如视频分辨率、格式等。

用户可以根据自己的需求修改这些配置文件，以改变模型的生成行为。

例如，i2v_settings.json 的内容可能如下所示：

{
  "model": "t2v_1.3B",
  "loras": ["example_lora1", "example_lora2"],
  "prompt": "一个美丽的风景",
  "output": {
    "resolution": "720p",
    "format": "mp4"
  }
}

在修改完配置文件后，重新启动 Gradio 服务器，新的配置将会生效。

【免费下载链接】Wan2GP Wan 2.1 for the GPU Poor 项目地址: https://gitcode.com/gh_mirrors/wa/Wan2GP