deepbeepmeep/WanGP

项目介绍

WanGP 是一个本地运行的浏览器界面，把多种开源生成模型统一到同一个应用里：视频、图像、语音、音乐和 3D 资产共用界面、模型下载、生成队列和后处理工具。核心卖点是硬件门槛低——README 称部分模型只需 4 GB 显存即可运行，并支持 GTX 10XX、RTX 20XX 及更新的 Nvidia 显卡和 AMD RDNA 2–4 硬件 README lines 36–51。

除单次生成外，项目还提供本地助手 Deepy Prime 负责规划和执行任务，以及实验性的交互「世界」模式，可用键盘在生成场景中行走探索 README lines 26–35。模型覆盖按模态列出，包括 Wan 2.1/2.2 衍生模型、MiniMax H3、LTX-2.x、Hunyuan Video、Flux、Qwen Image、多个 TTS 模型和 Hunyuan3D/TRELLIS 类 3D 模型 README lines 10–19。

快速使用

README 给出四种安装途径：仓库内 bat/sh 脚本、Pinokio 社区安装器、第三方 Wan2GP Desktop 启动器，以及实验性的官方 Windows 版 WanGP Manager README lines 244–254。脚本方式最直接：

• Windows：运行 scripts\install.bat，再运行 scripts\run.bat。
• Linux/macOS：运行 scripts/install.sh，再运行 scripts/run.sh。

安装器可选自动配置或手动选择包管理器、环境名和安装模式；在 scripts 目录放一个 args.txt 可传入 --advanced --open-browser 之类的启动参数 README lines 261–284。

手动安装（RTX 20XX–50XX）的步骤是：创建 Python 3.11.14 的 Conda 环境，安装 CUDA 13 版 PyTorch 2.10.0，执行 pip install -r requirements.txt，再按显卡和 PyTorch 版本安装对应的 Triton README lines 325–334。GTX 10XX 则使用 Python 3.10.9 / PyTorch 2.7.1 的另一套命令 README lines 348–358。用 python wgp.py 启动，首次使用可查看界面里的 Guides 标签选择推荐模型。Debian 系系统也可以运行 ./run-docker-cuda-deb.sh 自动检测显卡并构建 CUDA 镜像。

批量任务可以不开界面：先在 Web UI 里保存队列，再运行 python wgp.py --process my_queue.zip README lines 425–433。

使用约束

• 模型支持与显卡代际、PyTorch/Triton 版本绑定。RTX 20XX 必须停留在 Triton 3.2 并接受兼容性限制，RTX 50XX 建议用 PyTorch 2.10 / Triton 3.6 才能使用优化的 INT8 和 NV FP4 路径 README lines 327–334。
• SageAttention 2 需要 Ampere 或更新架构，GTX 10XX 只能退回 SDPA；Linux 预编译轮子由单独的分支仓库提供 README lines 325–347。
• 大模型文件会自动下载并按硬件匹配，--offline 参数可限制为只使用已下载文件 README lines 52–74。
• 部分功能有额外前提：从 Civitai 下载需要 API key，Deepy 的联网默认关闭。
• GitHub 上许可证标记为 NOASSERTION，再分发前需自行确认仓库许可条款。
• WanGP Manager 标注为实验性，且仅支持 Windows。

HotRepo 点评

站内没有该仓库的榜单或涨星记录，以下观察只基于项目材料。值得注意的是一套界面对应多种模型和单一硬件目标：项目把不同模态的多个模型族、量化权重、按硬件自动下载和低显存配置放进同一个应用，这与「每个模型单独跑一条流水线」是不同取舍。代价是安装复杂度——Triton、SageAttention 和 PyTorch 版本都因显卡而异，README 还单独维护 GTX 10XX 路径和实验性 Windows 管理器。Deepy 的应用生成和世界探索被标为预览功能，应按持续演进来对待。