本地部署 Wan2.2：克隆仓库、安装依赖和 FlashAttention

前置条件

在开始之前，需要确认你的环境满足以下基本要求：

• Python：3.10 或以上
• PyTorch：≥ 2.4.0（GPU 版，带 CUDA 支持）
• GPU：至少一张 NVIDIA GPU，显存需求因模型不同而异（见下页）
• CUDA Toolkit：与 PyTorch 版本匹配
• 操作系统：Linux 或 Windows（建议 Linux，FlashAttention 在 Linux 上编译更稳定）

克隆仓库

官方仓库托管在 GitHub：

git clone https://github.com/Wan-Video/Wan2.2.git
cd Wan2.2

仓库内容包含：

• generate.py —— 统一的推理入口（所有模型共用）
• wan/ —— 模型结构和推理流水线代码
• examples/ —— 示例输入图和音频
• requirements.txt —— 基础依赖
• requirements_s2v.txt —— S2V 语音驱动额外依赖（含 CosyVoice）

安装依赖

基础依赖：

pip install -r requirements.txt

如果要用 CosyVoice 做 S2V 的 TTS 语音合成（可选）：

pip install -r requirements_s2v.txt

FlashAttention 安装技巧

FlashAttention 3 是性能关键，但安装经常失败。官方文档给的建议是：

如果 flash_attn 安装失败，先安装其他所有包，最后再单独安装 flash_attn。

FlashAttention 3 支持 Hopper 架构（H100），Ampere 架构（A100 / 4090）用 FlashAttention 2 也可以。如果安装持续失败，可以尝试：

1. 确认 CUDA 与 PyTorch 版本匹配（nvidia-smi 查看驱动，torch.cuda.is_available() 验证）
2. 升级到最新的 pip、setuptools 和 wheel
3. 如果编译报错，看看是否缺少编译工具（Linux 上 build-essential，Windows 上 Visual Studio C++ Build Tools）

验证环境

安装完成后，简单的烟雾测试：

python -c "import torch; print(f'PyTorch {torch.__version__}'); print(f'CUDA available: {torch.cuda.is_available()}'); print(f'GPU count: {torch.cuda.device_count()}')"

输出应显示 PyTorch ≥ 2.4.0，CUDA 可用，GPU 数量正确。

下一步

环境搭好之后，还需要下载模型权重。根据你想用的模型，在 HuggingFace 或 ModelScope 上下载对应的 checkpoint。模型下载的具体命令和渠道见 模型下载。