WanGP 深度拆解：本地 AI 影片工作台如何整合文生影片、圖生影片、音訊對口型與低顯存部署？

文章定位：深度技術整理｜影片來源：Bilibili：WanGP 一鍵本地 AI 影片生成

影片把 WanGP 描述成可本地部署的「AI 視頻生成神器」，支援文字生影片、圖生影片和音訊對口型。這個定位大致正確，但要先分清楚：WanGP 不是單一影片模型，而是 DeepBeepMeep 維護的本地生成工作台。它把多個開放權重的影片、圖片、音訊和語音模型放進同一個網頁介面，並根據硬件挑選量化版本與 workflow。

一、WanGP 是甚麼？

WanGP 的 GitHub repository 名稱是 Wan2GP，README 將它定位為「面向 GPU 資源有限使用者的一站式生成工具」。它提供瀏覽器 UI、模型下載與管理、generation queue、gallery、模板、LoRA 管理、headless batch mode 及 API，不必一開始就自行串接 Python 腳本和 ComfyUI 節點。

它整合的不是只有 Wan 系列；公開 README 列出的範圍包括：

• 影片：Wan 2.1／2.2 及衍生模型、MiniMax H3、LTX-2、Hunyuan Video、LongCat、Kandinsky、LTXV、MagiHuman 等。
• 圖片：Qwen Image、Z-Image、Flux 1／2、HiDream 等。
• 音訊與 TTS：Qwen3 TTS、Ace Step、Omnivoice、Index TTS2、KugelAudio、HearMula、Chatterbox 等。

因此「WanGP 能做甚麼」要看你最後安裝哪個模型與 workflow，而不是把所有能力都歸功於 Wan 本身。

二、文字生影片、圖生影片：背後不是同一條路

文字生影片（T2V）

T2V 由文字描述決定主體、場景、鏡頭、動作、風格和節奏。優點是自由度高；難點是角色一致性與多鏡頭連續性。對本地生成而言，從短片、低解析度開始最穩。

圖生影片（I2V）

I2V 將一張已有構圖、人物或產品圖當作起始條件，再根據 prompt 加入動作和鏡頭。對做內容創作的人，I2V 通常比純 T2V 更容易控制角色外觀、服裝、構圖和品牌視覺。

首尾幀、控制影片與參考素材

不同模型還可能提供首尾幀、控制影片、影像／影片參考、LoRA、姿勢／深度／光流等條件。WanGP 的價值在於把這些素材準備工具和不同模型入口放在一起，但每個功能的品質、顯存需求和授權都取決於實際底層模型。

三、音訊對口型到底由誰完成？

「音訊對口型」不是一般影片生成模型自動保證的功能。典型管線會拆成幾步：

1. 先生成或準備角色影像／影片。
2. 準備語音：錄音、TTS 或分離出的對白。
3. 使用具備音訊條件、talking-head 或 lip-sync 能力的模型／節點，令嘴型與聲音時間軸對齊。
4. 再加入音訊後製、remux、配樂或聲音替換。

WanGP README 內置的能力包括 speaker diarization、背景噪音／歌曲移除、MMAudio 音軌生成、SeedVC 聲音替換，以及時間和空間 upsampling；這讓它可以組成較完整的「素材 → 影片 → 聲音 → 對齊／後製」流程。不同模型對口型的自然度、長句穩定性、側臉、遮擋和多角色支援會有明顯差異，不能以單一展示片段代表所有情況。

四、為甚麼 WanGP 對低顯存用戶有吸引力？

WanGP 不是讓大型模型不需要顯存，而是提供較多硬件適配方法。README 提到可用 INT8、FP8、GGUF、NVFP4、Nunchaku 等量化 checkpoint，並可按 GPU 架構選擇適合的模型檔案；某些選定模型可在約 6GB VRAM 起步。這個「6GB」應理解為某些模型和設定的最低可能值，不代表所有影片模型、所有解析度或所有特效都適合 6GB。

低顯存策略通常包括：

• 選擇較小模型或量化 checkpoint。
• 降低解析度、時長、幀數和 batch size。
• VAE tiling、model offload、CPU／RAM fallback。
• 先產生短鏡頭，再用 RIFE、FlashVSR 或後製合成處理。
• 排隊生成而不是同時開多個高負載任務。

代價是較慢、更多系統 RAM／SSD 壓力及偶發 OOM。對 RTX 3090 Ti 這類 24GB VRAM 卡，WanGP 的量化策略更像是「提高可選模型和並發彈性」，而不是必須為了勉強運行而犧牲品質。

五、對你的單／雙 RTX 3090 Ti 有甚麼意義？

你已有 3090 Ti（24GB VRAM），這個級別比「低顯存入門」更適合跑本地 AI 影片。實際優先順序應是：

• 單卡：專注完成一條影片 workflow；24GB 足以讓你測試多數量化／中等設定模型，但高解析度、長片、多參考輸入仍可能吃緊。
• 雙卡：最實用做法是兩個獨立工作位，例如 GPU 0 跑主影片生成，GPU 1 跑圖片起始幀、放大、插幀、TTS 或第二條 queue。
• 不是自動 48GB：大多數 UI 不會自動把兩張 24GB 卡合併成一張 48GB 卡；模型分片需要底層模型、runtime 和工作流明確支援。
• 省電：先對 3090 Ti 設 280–320W power limit，再量度影片完成時間與輸出品質；常可明顯降低熱量和電費。

六、WanGP 與 ComfyUI：誰適合你？

最實際的做法不是二選一：WanGP 可當日常生成與模型試用工具；ComfyUI 保留給你需要特定節點、LoRA、控制模型或可分享 workflow 時使用。

七、部署前要知道的三件事

1. 只用官方來源

WanGP README 明確指出官方專案免費在本地使用，且不會收取 license fee、訂閱費或捐款；應使用官方 GitHub deepbeepmeep/Wan2GP 及 README 列出的網站。名稱相近的第三方網站、整合包或 fork 不必然可信。

2. 硬盤空間要預留

影片模型、文字編碼器、VAE、LoRA、快取及輸出檔很快會佔用數十至數百 GB。建議把模型、快取和輸出放在容量足夠的 NVMe SSD，並定期清理不再使用的 checkpoint。

3. 授權依底層模型而變

WanGP 的程式碼與每個被下載的模型不是同一份授權。Wan、MiniMax H3、Hunyuan、LTX、Flux、TTS 模型及 LoRA 都可能有不同的商業使用、地區、署名和內容限制。要公開或商用影片時，需逐一查核模型、音樂、聲音、人物及素材的權利。

八、建議的上手流程

1. 由官方 WanGP repository 開始，不先下載不明「整合包」。
2. 以單張 3090 Ti、短影片、低到中解析度建立第一個成功案例。
3. 先試 I2V：用一張你擁有權利的圖片產生 3–5 秒鏡頭。
4. 再試 T2V，學習 prompt 對鏡頭、動作和畫面比例的影響。
5. 加入語音或音樂前，先確認角色與動作穩定。
6. 需要對口型時，使用擁有授權的角色及語音，並以短句測試。
7. 記錄模型版本、量化格式、解析度、seed、steps、VRAM 和生成時間，形成自己的可重現模板。

九、結論

WanGP 的強項不是發明一個新的 Wan 基礎模型，而是把多個本地開放生成模型、量化格式、素材準備、音訊後製、queue 和管理介面整合到一個較容易上手的工作台。對想做 AI 影片的人，它能大幅減少在不同工具之間搬運素材的摩擦。

對口型、圖生影片、文生影片都能成為工作流的一部分，但品質仍取決於所選底層模型、輸入素材、顯存、解析度與後製。對你現有的 3090 Ti，最值得的策略是先以單卡建立穩定 template，再讓第二張卡處理起始圖、放大、插幀、TTS 或第二條生成隊列。

來源與核實

• Bilibili：WanGP 一鍵本地 AI 影片生成
• WanGP 官方 GitHub：deepbeepmeep/Wan2GP
• WanGP 官方網站
• Wan 2.1 官方 GitHub
• MiniMax H3 官方 GitHub

查閱日期：2026-08-06