Wan 2.1: 16.1K+ Stars — 오픈소스 비디오 생성 심층 분석 vs HunyuanVideo, CogVideo 2026

# 저장소 클론
git clone https://github.com/Wan-Video/Wan2.1.git
cd Wan2.1

# 가상 환경 생성
python -m venv venv
source venv/bin/activate

# 의존성 설치(torch >= 2.4.0 필요)
pip install -r requirements.txt

# 의존성 설치
poetry install

# flash-attn 빌드 실패 시
poetry run pip install --upgrade pip setuptools wheel
poetry run pip install flash-attn --no-build-isolation
poetry install

# huggingface-cli 설치
pip install "huggingface_hub[cli]"

# 14B 텍스트-투-비디오 모델 다운로드
huggingface-cli download Wan-AI/Wan2.1-T2V-14B --local-dir ./Wan2.1-T2V-14B

# 1.3B 소비자용 GPU 모델 다운로드
huggingface-cli download Wan-AI/Wan2.1-T2V-1.3B --local-dir ./Wan2.1-T2V-1.3B

# VAE 다운로드
huggingface-cli download Wan-AI/Wan2.1-VAE --local-dir ./Wan2.1-VAE

# 텍스트 인코더 다운로드
huggingface-cli download Wan-AI/Wan2.1-T5 --local-dir ./Wan2.1-T5

pip install modelscope
modelscope download Wan-AI/Wan2.1-T2V-14B --local_dir ./Wan2.1-T2V-14B

python generate.py \
  --task t2v-1.3B \
  --size 832*480 \
  --ckpt_dir ./Wan2.1-T2V-1.3B \
  --prompt "일출 시 조용한 산악 호수, 물 위로 안개가 피어오르고 칩라가 천천히 오른쪽으로 패닝"

python generate.py \
  --task t2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-T2V-14B \
  --prompt "편안한 복싱 장비와 밝은 장갑을 낀 두 마리의 의인화된 고양이가 스포트라이트 묵에서 격렬히 싸운다."

cd gradio

# 단일 GPU로 T2V 14B 실행
python t2v_14B_singleGPU.py \
  --prompt_extend_method 'dashscope' \
  --ckpt_dir ./Wan2.1-T2V-14B

# T2V 1.3B 실행(가벼움, 소비자용 GPU용)
python t2v_1.3B_singleGPU.py \
  --ckpt_dir ./Wan2.1-T2V-1.3B

# 커스텀 노드 설치
cd ComfyUI/custom_nodes
git clone https://github.com/Kijai/ComfyUI-WanVideoWrapper.git
git clone https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite.git
git clone https://github.com/kijai/ComfyUI-KJNodes.git

# 노드 의존성 설치
cd ComfyUI-WanVideoWrapper
pip install -r requirements.txt

# 확산 모델 -> ComfyUI/models/diffusion_models
# Wan2_1-T2V-14B_fp8_e4m3fn.safetensors
# Wan2_1-T2V-1_3B_fp32.safetensors

# 텍스트 인코더 -> ComfyUI/models/text_encoders
# umt5-xxl-enc-bf16.safetensors

# VAE -> ComfyUI/models/vae
# Wan2_1_VAE_fp32.safetensors

import torch
from diffusers.utils import export_to_video
from diffusers import AutoencoderKLWan, WanPipeline
from diffusers.schedulers.scheduling_unipc_multistep import UniPCMultistepScheduler

# 모델 로드
model_id = "Wan-AI/Wan2.1-T2V-14B-Diffusers"
vae = AutoencoderKLWan.from_pretrained(
    model_id, subfolder="vae", torch_dtype=torch.float32
)

# 스케줄러 구성
flow_shift = 5.0  # 720P는 5.0, 480P는 3.0
scheduler = UniPCMultistepScheduler(
    prediction_type='flow_prediction',
    use_flow_sigmas=True,
    num_train_timesteps=1000,
    flow_shift=flow_shift
)

# 파이프라인 구성
pipe = WanPipeline.from_pretrained(
    model_id, vae=vae, torch_dtype=torch.bfloat16
)
pipe.scheduler = scheduler
pipe.to("cuda")

# 생성
prompt = (
    "부엌에서 함께 케이크를 굽는 고양이와 개. "
    "고양이는 밀가루를 정성껏 재고, 개는 나무 숟가락으로 반죽을 저으며 "
    "햇살이 창문으로 들어오는 아늑한 부엌입니다."
)

negative_prompt = (
    "밝은 톤, 과다 노출, 정적, 흐릿한 디테일, 자막, "
    "스타일, 작품, 그림, 이미지, 정적, 전체적으로 회색, "
    "최저 품질, 낮은 품질, JPEG 압축 잔여물"
)

output = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=720,
    width=1280,
    num_frames=81,
    guidance_scale=5.0,
).frames[0]

export_to_video(output, "output.mp4", fps=16)

# xDiT 설치
pip install "xfuser>=0.4.1"

# 8개 GPU에서 실행
torchrun --nproc_per_node=8 generate.py \
  --task t2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-T2V-14B \
  --dit_fsdp --t5_fsdp \
  --ulysses_size 8 \
  --prompt "프롬프트 입력"

python generate.py \
  --task i2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-I2V-14B-720P \
  --image examples/i2v_input.JPG \
  --prompt "여름 핳핳 휴양지 스타일, 선글라스를 낀 하얀 고양이가 서핑보드 위에 앉아 있다."

python generate.py \
  --task flf2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-FLF2V-14B-720P \
  --first_frame examples/flf2v_input_first_frame.png \
  --last_frame examples/flf2v_input_last_frame.png \
  --prompt "CG 애니메이션 스타일, 파란색 작은 새가 지면에서 이륙하여 날개를 퍼덕인다."

# 로컬 Qwen 모델 사용
python generate.py \
  --task t2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-T2V-14B \
  --prompt "피아노를 치는 고양이" \
  --use_prompt_extend \
  --prompt_extend_model Qwen/Qwen2.5-7B-Instruct

# DashScope API 사용
DASH_API_KEY=your_key python generate.py \
  --task t2v-14B \
  --size 1280*720 \
  --ckpt_dir ./Wan2.1-T2V-14B \
  --prompt "피아노를 치는 고양이" \
  --use_prompt_extend \
  --prompt_extend_method 'dashscope'

# FP8 양자화로 VRAM 약 20% 감소
python generate.py \
  --task t2v-14B \
  --size 832*480 \
  --ckpt_dir ./Wan2.1-T2V-14B \
  --offload_model True \
  --t5_cpu \
  --prompt "프롬프트 입력"

FROM nvidia/cuda:12.1.0-devel-ubuntu22.04

WORKDIR /app
RUN apt-get update && apt-get install -y python3-pip git

COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .
RUN huggingface-cli download Wan-AI/Wan2.1-T2V-14B \
    --local-dir ./Wan2.1-T2V-14B

EXPOSE 7860
CMD ["python", "gradio/t2v_14B_singleGPU.py", "--ckpt_dir", "./Wan2.1-T2V-14B"]

docker build -t wan2.1 .
docker run --gpus all -p 7860:7860 wan2.1

import time
import psutil
import torch

def generate_with_monitoring(prompt, **kwargs):
    process = psutil.Process()
    start_mem = process.memory_info().rss / 1024**3
    start_time = time.time()
    
    result = generate_video(prompt, **kwargs)
    
    elapsed = time.time() - start_time
    peak_mem = process.memory_info().rss / 1024**3
    gpu_mem = torch.cuda.max_memory_allocated() / 1024**3
    
    print(f"생성 완료: {elapsed:.1f}초")
    print(f"피크 GPU 메모리: {gpu_mem:.1f} GB")
    print(f"RAM 증가: {peak_mem - start_mem:.1f} GB")
    
    return result

# DiffSynth-Studio 설치
pip install diffsynth-studio

# 스타일 LoRA 학습
python -m diffsynth.train \
  --model_name wan2.1-t2v-14b \
  --dataset_path ./my_style_videos \
  --output_path ./wan_lora_output \
  --learning_rate 1e-4 \
  --num_train_steps 1000