Wan2.2-TI2V-5B 是一个基于 Transformer 架构的文本到视频（Text-to-Video）生成模型，具有以下特点：
🔧 核心特性
50亿参数规模：大型 Transformer 模型，具备强大的视频生成能力
文本生成视频（T2V）：直接根据文本描述生成视频内容
图像生成视频（I2V）：基于参考图像生成相关视频内容
高分辨率支持：支持多种视频分辨率输出
优化推理：包含模型卸载、数据类型转换等优化技术
🏗️ 技术架构
基于 Transformer 架构设计
采用先进的 扩散模型（Diffusion Model） 技术
支持 条件生成：文本条件和图像条件
包含 T5 文本编码器 用于文本理解
🚀 主要功能
1. 文本到视频生成（T2V）
输入：详细的文本描述
输出：与描述匹配的视频内容
示例：
"A futuristic cityscape at sunset with flying cars and neon lights"
2. 图像到视频生成（I2V）
输入：参考图像 + 文本描述
输出：基于图像风格和文本描述的视频
应用场景：图像动画化、风格迁移等
3. 多尺寸支持
预设多种视频分辨率
支持自定义尺寸
常见比例：16:9、9:16 等
⚙️ 技术优化
📉 内存优化
模型卸载（offload_model）：将部分模型权重卸载到 CPU，节省 GPU 内存
数据类型转换（convert_model_dtype）：优化模型数据类型以减少内存占用
T5 编码器 CPU 运行（t5_cpu）：将文本编码器运行在 CPU 上
🚀 性能特性
支持批量推理
可配置的生成步数
进度条显示生成进度
🎯 应用场景
内容创作：短视频制作、广告创意
教育领域：教学视频自动生成
娱乐应用：AI 视频创作、游戏内容生成
商业用途：产品展示、虚拟演示
⚠️ 注意事项
系统要求
硬件要求较高：需要大显存 GPU
模型文件较大：需要足够的存储空间
生成时间较长：根据配置可能需要数分钟
使用限制
生成内容可能受训练数据影响
需要详细准确的提示词描述
对硬件配置有一定要求
🌟 项目优势
开源免费：完全开源，可自由使用和修改
功能完整：同时支持 T2V 和 I2V 两种模式
易于部署：提供完整的 Web 界面
性能优化：包含多种内存优化技术
社区支持：活跃的开源社区维护
📚 相关资源
模型权重：需从官方渠道获取
文档说明：GitHub README 详细说明
示例代码：提供丰富的使用示例
社区交流：可通过 Issues 进行技术交流
这个项目代表了当前 AI 视频生成领域的先进水平，为开发者和研究者提供了强大的视频生成工具。
整合包说明
1 基于官方二次开发，没有优化，最低需要24G显存 32G内存 支持50系
2 增加了一个webui页面，更方便操作。
3 第一个版本，可能会有bug，如有请留言，下一版修正。
4 采用的通义万相2.2-图文生视频-5B 这个模型，14b实在是跑不动了
5 再次感谢傻木大佬提供的5090支持
