WanGP (Wan2GP): Подробный анализ программы для генерации видео на видеокартах

[Master_Yoda]

WanGP (Wan2GP): Подробный анализ программы для генерации видео на слабых видеокартах

WanGP, также известная как Wan2GP, представляет собой оптимизированную версию модели Wan 2.1 от Alibaba, разработанную специально для работы на видеокартах с ограниченным объемом видеопамяти. Данное исследование предоставляет исчерпывающий анализ функциональных возможностей программы, подробный разбор настроек и рекомендации по оптимальной конфигурации для видеокарты NVIDIA RTX 3060.


Общий обзор WanGP 

• Назначение: запуск продвинутых моделей генерации видео на «бедных GPU» (4–8 ГБ VRAM) 
  
• Происхождение: форк Wan 2.1 от Alibaba (Wan AI), оптимизированный разработчиком DeepBeepMeep 
  
• Цель: сохранить качество выходного видео до 20 с при минимальных аппаратных ресурсах 
  

Основные функции и возможности WanGP

Методы генерации видео 

• Text‑to‑Video (T2V) 
  
  • Создание видео на основе текстового описания 
  • Поддержка сложных подсказок и множественных текстовых промптов 
• Image‑to‑Video (I2V) 
  
  • Преобразование статического изображения в анимированное видео 
  • Сохранение стиля исходного изображения и контроль направления движения 
• Motion Control 
  
  • Автоматическое распознавание движений человека 
  • Применение захваченных движений к генерируемому видео 
  • Интеграция собственных 3D‑объектов или персонажей 
• Видеоредактирование 
  
  • Depth Transfer (глубинный перенос) 
  • Видео‑инпейнтинг (заполнение отсутствующих частей) 
  • Встраивание объектов в видеоряд 

Технические возможности 

• Sliding Window: генерация неограниченной длины видео фрагментами с плавными переходами 
  
• Повышение разрешения: временное и пространственное улучшение качества и детализации кадров 
  
• Система очередей: планирование и приоритезация задач без постоянного контроля 
  
• Gradio‑интерфейс: удобная веб‑панель для настройки и мониторинга процесса генерации 
  
• RIFLEx: создание роликов свыше 5 с без артефактных повторений, улучшенная связность кадров 
  
• Поддержка Loras: подключение предобученных стилистических моделей для кастомизации 
  

Рекомендации по настройке на NVIDIA RTX 3060 

• Установить batch size = 1 и шаги генерации = 8 для оптимального баланса скорости и качества 
• Включить TeaCache‑аналог для WanGP, чтобы снизить нагрузку на VRAM 
• Использовать RIFLEx для роликов свыше 5 секунд 
• Подгружать Loras по необходимости для стилистических эффектов 

[Master_Yoda]

Подробный разбор настроек и параметров генерации видео


Основные настройки модели 

• Выбор модели (model_filename) 
  
  • 1.3B модель – лёгкая версия, требует минимум 8 ГБ VRAM, подходит для базовой генерации 
  • 14B модель – полная версия, требует около 12 ГБ VRAM, обеспечивает более высокое качество 
  • 14B квантизированная модель (8‑bit) – оптимизированная версия, требует 8–12 ГБ VRAM 
  
  
• Профили оптимизации памяти (mmgp) 
  
  • HighRAM_HighVRAM (профиль 1) – 48+ ГБ RAM, 24+ ГБ VRAM; максимальная скорость для RTX 3090/4090 
  • HighRAM_LowVRAM (профиль 2) – 48+ ГБ RAM, 12+ ГБ VRAM; для RTX 3070/3080/4070/4080 
  • LowRAM_HighVRAM (профиль 3) – 32+ ГБ RAM, 24+ ГБ VRAM; для систем с ограниченной RAM 
  • LowRAM_LowVRAM (профиль 4) – 32+ ГБ RAM, 12+ ГБ VRAM; для более длительных видео 
  • VerylowRAM_LowVRAM (профиль 5) – 24+ ГБ RAM, 10+ ГБ VRAM; медленный режим для слабых систем 
  
  
• Режимы внимания (Attention Modes) 
  
  • Sage Attention – ускорение на 30% по сравнению со стандартным вниманием 
  • Flash Attention – альтернативный механизм для повышения производительности 

Параметры генерации видео

Текстовые подсказки (prompts) 

• Описание желаемого видеоконтента на естественном языке 
• Возможность использования нескольких подсказок одновременно 
• Поддержка весов и специальных параметров для точной настройки 

Размеры видео (width, height) 

• Стандартное разрешение 480p (базовая генерация) 
• Другие разрешения – требуют больше VRAM 
• Поддержка стандартных соотношений сторон 

Длительность видео (video_length) 

• Стандартная длина 5 с (≈76–80 кадров) 
• Расширенная длина до 8 с (128 кадров) – требует 12+ ГБ VRAM 
• До 20 с с использованием Sliding Window 

Частота кадров (fps) 

• Стандарт: 16 fps 
• Настройка по требуемой плавности и качеству 

Параметры контроля движения 

• keep_frames_video_guide – число сохраняемых кадров из видео-руководства 
• video_guide – исходное видео для анализа движений 
• video_mask – маска области применения движений 

Параметры Image-to-Video 

• image_refs – исходные изображения для анимации 
• image_prompt_type – тип подсказки для характера движения 
• image_start – начальное состояние генерации 
• remove_background_image_ref – удаление фона из эталонных изображений 

Дополнительные параметры 

• guidance_scale – сила влияния подсказки (обычно 7.5–15) 
• num_inference_steps – шаги диффузии (качество vs время) 
• seed – фиксированное значение для воспроизводимости 

Управление очередью генерации 

• add_video_task – добавить задачу в очередь 
• move_up / move_down – изменить приоритет задачи 
• remove_task – удалить задачу из очереди 
• Автосохранение – экспорт очереди в ZIP и восстановление после перезапуска 

[Master_Yoda]

Оптимальная настройка WanGP для видеокарты NVIDIA RTX 3060

NVIDIA RTX 3060 оснащена 12 ГБ видеопамяти GDDR6, что делает её достаточно мощной для запуска WanGP с продуманными оптимизациями. Ниже — рекомендации по оптимальной конфигурации.


Выбор профиля оптимизации памяти 

• 48+ ГБ RAM 
  
  • Профиль 2 (HighRAM_LowVRAM) 
  • Команда: python gradio_app.py --profile 2 
  • Баланс скорости и потребления VRAM 
• 32+ ГБ RAM 
  
  • Профиль 4 (LowRAM_LowVRAM) 
  • Команда: python gradio_app.py --profile 4 
  • Подходит для длинных видео 
• 24–32 ГБ RAM 
  
  • Профиль 5 (VerylowRAM_LowVRAM) 
  • Команда: python gradio_app.py --profile 5 
  • Медленнее, но минимальное потребление памяти 

Выбор и настройка модели 

• Максимальное качество 
  
  • Квантизированная 14B модель (8‑bit) 
  • Sage Attention для ускорения 
  • Разрешение 480p (704×396 или 640×360) 
• Максимальная скорость 
  
  • Модель 1.3B 
  • Flash Attention (если поддерживается) 
  • Разрешение до 512p–576p при сокращённой длительности 

Рекомендуемые параметры генерации 

5‑секундные видео (≈80 кадров) 

• Разрешение: 480p (704×396) 
• Шаги диффузии: 30–50 
• guidance_scale: 9.0–12.0 
• Время: ~15–20 мин 

8‑секундные видео (≈128 кадров) 

• Разрешение: 480p (704×396) 
• Шаги: 25–40 
• guidance_scale: 8.0–10.0 
• Время: ~25–35 мин 

Продолжительные видео (до 20 с) 

• Sliding Window 
• Разрешение: 480p 
• Шаги: 20–30 
• guidance_scale: 7.5–9.0 
• Время: ~40–60 мин 

Дополнительные оптимизации для RTX 3060 

• Процесс генерации 
  
  • Закрыть другие GPU‑приложения 
  • Отключить эффекты рабочего стола (Aero, прозрачность) 
  • Режим «Высокая производительность» в драйвере NVIDIA 
• Система 
  
  • Страничный файл на SSD (≥ 32 ГБ) 
  • Отключить фоновые процессы и антивирус 
  • Обеспечить хорошее охлаждение GPU 
• Квантизация 
  
  • 8‑bit для 14B модели 
  • Не использовать дополнительные методы сжатия (TeaCache) 
• Производительность 
  
  • Асинхронные передачи данных 
  • Компиляция вычислений 
  • Последовательная генерация для длинных видео 

Заключение 
WanGP делает генерацию видео доступной на потребительских GPU. При правильной настройке на RTX 3060 можно создавать ролики до 20 с в 480p с высоким качеством и приемлемым временем генерации. 

[Master_Yoda]

Анализ моделей для генерации видео в системе WanGP v4.4

На представленном скриншоте интерфейса программы WanGP v4.4 отображено выпадающее меню с различными моделями для генерации видео на базе Wan2.1. Рассмотрим детально каждую модель, её особенности и сферы применения.


Основные модели Wan2.1

Wan2.1 image2video 480p 

• Описание: стандартная модель преобразования изображения в видео с разрешением 480p 
  
• Достоинства: 
  
  • Низкие требования к видеопамяти 
  • Быстрая генерация по сравнению с версиями более высокого разрешения 
  • Поддерживает режим внимания auto/sage2 и квантизацию Int8 
• Недостатки: 
  
  • Ограниченное разрешение 480p 
  • Меньшая детализация по сравнению с 720p моделями 
• Применимость: быстрое прототипирование, тестирование идей, устройства с ограниченными ресурсами 
  

Wan2.1 text2video 1.3B 

• Описание: модель генерации видео из текста с 1.3 млрд параметров 
  
• Достоинства: 
  
  • Требует всего 8.19 ГБ VRAM 
  • Совместима с большинством потребительских GPU 
  • Генерирует 5 с видео 480p на RTX 4090 за ~4 мин 
  • Поддерживает английский и китайский текст 
• Недостатки: 
  
  • Ограниченная сложность видео из‑за меньшего числа параметров 
  • Только разрешение 480p 
• Применимость: GPU среднего уровня, короткие видеоклипы по тексту без больших затрат 
  

Wan2.1 image2video 720p 

• Описание: версия преобразования изображения в видео с HD‑разрешением 720p и 14 млрд параметров 
  
• Достоинства: 
  
  • Высокое качество генерации с HD разрешением 
  • Превосходит открытые и закрытые альтернативы 
  • Лучшая детализация и визуальное качество 
• Недостатки: 
  
  • Высокие требования к VRAM 
  • Длительное время генерации 
• Применимость: профессиональные задачи, контент для YouTube, TikTok и др. с высоким разрешением 
  

Wan2.1 text2video 14B 

• Описание: мощная модель текста в видео с 14 млрд параметров 
  
• Достоинства: 
  
  • Поддержка 480p и 720p 
  • Лучшее качество среди открытых моделей 
  • Исключительные возможности для динамики 
  • Генерация китайского и английского текста в видео 
• Недостатки: 
  
  • Требует GPU с большим объёмом памяти 
  • Значительное время генерации 
• Применимость: высококачественные ролики с комплексными сценами при достаточных ресурсах 
  

Специализированные модели

Vace ControlNet 1.3B 

• Описание: Video All‑in‑one Creation and Editing с ControlNet для точного управления 
  
• Достоинства: 
  
  • Reference‑to‑video, video‑to‑video, masked video editing 
  • Универсальность 
  • Умеренные требования (1.3 B) 
• Недостатки: 
  
  • Ограниченная точность по сравнению с крупными моделями 
  • Макс. длительность 129 кадров за проход 
• Применимость: редактирование существующих видео, анимация персонажей, короткие сцены с контролем движения 
  

[Master_Yoda]

Fun InP и другие специализированные модели в WanGP v4.4


Fun InP image2video 1.3B 

• Описание: модель интерполяции кадров с 1.3 млрд параметров 
  
• Достоинства: 
  
  • Создаёт плавные переходы между начальным и конечным кадрами 
  • Доступна для большинства GPU благодаря компактному размеру 
  • Подходит для создания анимированных переходов 
• Недостатки: 
  
  • Может наблюдаться затемнение конечного кадра 
  • Меньшая детализация по сравнению с 14B версией 
• Применимость: простые анимации и переходы между известными кадрами 
  

Fun InP image2video 14B 

• Описание: расширенная модель интерполяции кадров с 14 млрд параметров 
  
• Достоинства: 
  
  • Создаёт более плавные и реалистичные переходы 
  • Высокое качество промежуточных кадров 
  • Лучшая согласованность и естественность движения 
• Недостатки: 
  
  • Высокие требования к вычислительным ресурсам 
  • Более длительное время обработки 
• Применимость: профессиональные задачи, качественная интерполяция между кадрами 
  

ReCamMaster 1.3B 

• Описание: модель для изменения угла камеры в существующих видео 
  
• Достоинства: 
  
  • Поддерживает 10 базовых траекторий (пан, tilt, zoom и др.) 
  • Сохраняет содержание оригинального видео 
  • Подходит для стабилизации, суперразрешения, расширения кадра 
• Недостатки: 
  
  • Узкая специализация 
  • Может искажать сложные движения объектов 
• Применимость: пост‑обработка: изменение ракурса, стабилизация, эффект движения камеры 
  

Wan2.1 FLF2V 720p 

• Описание: First-Last-Frame to Video модель с разрешением 720p 
  
• Достоинства: 
  
  • Генерирует HD‑видео, соединяя первый и последний кадр 
  • Высокое качество и чёткость эффектов 
  • Поддержка управления через текстовые подсказки 
• Недостатки: 
  
  • Требует 14 млрд параметров, нагрузка на GPU высокая 
  • Не всегда сохраняет детали объектов корректно 
• Применимость: создание переходов между сценами, анимация статичных изображений 
  

SkyReels2 Diffusion Forcing 

• Описание: серия моделей для длинных видео (28–30 с) с техникой «diffusion forcing» 
  
• Достоинства: 
  
  • Генерация продолжительных роликов без «заморозки» кадров 
  • Варианты по производительности и качеству 
  • Возможность расширения существующих видео 
• Недостатки: 
  
  • 1.3B версия ограничена детализацией 
  • 14B версии требуют значительных ресурсов 
• Применимость: 
  
  • 1.3B – слабые GPU, длинные видео низкого качества 
  • 540p 14B – компромисс качество/скорость 
  • 720p 14B – качественные длинные видео 

Wan2.1 Phantom 1.3B 

• Описание: модель для согласованности объектов и персонажей в видео 
  
• Достоинства: 
  
  • Сохраняет внешний вид персонажей на протяжении всего видео 
  • Поддерживает множественные референсные изображения 
  • Работает на большинстве потребительских GPU 
• Недостатки: 
  
  • Ограниченная сложность взаимодействий 
  • Версия 1.3B уступает в детализации 
• Применимость: видео с персонажами, где важна сохранность их стиля и внешности 
  

Заключение 

• Выбор модели зависит от ресурсов, требуемого качества, задачи и длительности видео 
• 1.3B модели – для средних GPU и простых задач 
• 14B модели – для высококачественных профессиональных проектов 
• Специализированные модели – для конкретных эффектов: интерполяция, контроль камеры, длинные ролики 

[Dimetry]

Доброго времени суток! Установил себе WanGP v7.0 by DeepBeepMeep. Протестировал. У меня видеокарта RTX 3060 12Gb, поэтому и решил здесь написать. Задача была из картинки размером 832х1216 сделать видео на 5 секунд. Забегая вперёд скажу, что видео получилось размером 528х768. Но в Topaz Video AI за минуту размер я удвоил. Вот параметры генерации и Prompt: {"prompt": "An enchanting fairytale castle in the background: a captivating green-haired woman in a bright red bodysuit stands majestically, gracefully raising her arms and adjusting her hair. She wears exquisite jewelry - a delicate necklace and belt - to complement her sparkling outfit. Her gentle yet confident expression captivates the viewer. Bathed in the reflections of sunlight filtering through the lush foliage, she embodies warmth and vitality. Behind her, a fantastical castle rises from a pristine lake, surrounded by green vegetation that sways in the breeze. Distant mountains and whimsical pink trees add depth, enhancing the fairytale quality of this idyllic setting. This dynamic full-length video is shot from a low angle to emphasize her commanding presence.", "negative_prompt": "", "resolution": "480x832", "video_length": 81, "seed": 41392033, "num_inference_steps": 30, "guidance_scale": 5, "flow_shift": 7, "sample_solver": "", "repeat_generation": 1, "multi_prompts_gen_type": 0, "multi_images_gen_type": 0, "skip_steps_cache_type": "", "skip_steps_multiplier": 1.5, "skip_steps_start_step_perc": 20, "activated_loras": [], "loras_multipliers": "", "image_prompt_type": "S", "control_net_weight": 1, "control_net_weight2": 1, "audio_prompt_type": "", "speakers_locations": "0:45 55:100", "sliding_window_size": 129, "sliding_window_overlap": 5, "sliding_window_overlap_noise": 0, "sliding_window_discard_last_frames": 0, "temporal_upsampling": "", "spatial_upsampling": "", "film_grain_intensity": 0, "film_grain_saturation": 0.5, "RIFLEx_setting": 0, "NAG_scale": 1, "NAG_tau": 3.5, "NAG_alpha": 0.5, "slg_switch": 0, "slg_start_perc": 10, "slg_end_perc": 90, "apg_switch": 0, "cfg_star_switch": 0, "cfg_zero_step": -1, "model_type": "i2v", "model_filename": "ckpts/wan2.1_image2video_480p_14B_quanto_mbf16_int8.safetensors", "type": "WanGP v7.0 by DeepBeepMeep - Wan2.1 image2video 480p 14B", "settings_version": 2.22, "generation_time": 3984} Как видно, время генерации перевалило за 1 час. Это очень много, но при этом была не большая нагрузка на видеокарту, до 50% на её память и до 20% на графический процессор, так же  и на центральный процессор нагрузка была до 40%. А вот на оперативную память нагрузка была полной до 96% Есть скрины, прилагаю.

[admin]

у меня аналогичная карта , но я отказался от локальных видео-генерации. ждать 1 час ради генерации 1 секунду в приличном качестве - это просто издевательство над компьютером )))) сейчас экспериментирую на арендованных серверах