2025最新开源文生视频模型权威排名榜：阿里万象2.1本地部署详细评测

在腾讯混元开源之后，阿里也迅速跟进，正式将旗下视频生成模型万相2.1（Wan2.1）进行了开源。官方宣称该模型在性能上达到SOTA（State-of-the-Art，行业顶尖）水平，以下三点尤为突出：

首先，相较于现有开源模型，万相2.1表现更胜一筹，官方甚至直言其在某些维度上“可与部分闭源模型一较高下”。其次，它是业界首个同时支持中英文文本生成的视频模型。第三，配合轻量级T2V-1.3B版本，仅需8.19GB显存即可运行，消费级显卡完全能够胜任。

官方头衔告一段落，接下来是实战环节：如何本地部署并跑通万相2.1？目前该模型已支持通过ComfyUI进行本地部署，具体操作步骤如下。

一、环境配置与工具安装

确保网络畅通，Python与Git已就位。ComfyUI务必升级至最新版本——若尚未安装，可先行完成基础安装。更新完成后，主界面应出现支持万相2.1的提示字样。

二、模型文件下载

模型下载分为四个模块，注意区分。

1. 扩散模型：前往Hugging Face仓库Comfy-Org/Wan_2.1_ComfyUI_repackaged，在diffusion_models目录下按需选择模型。需注意，完整下载需占用超80GB存储空间，按实际需求挑选即可。
2. 文本编码器：下载umt5_xxl_fp8_e4m3fn_scaled.safetensors文件，并放置于ComfyUI/models/text_encoders目录。
3. CLIP视觉模型：下载clip_vision_h.safetensors文件，存放至ComfyUI/models/clip_vision目录。
4. VAE模型：下载wan_2.1_vae.safetensors文件，放入ComfyUI/models/vae目录。

三、工作流文件获取

接着，进入ComfyUI官方工作流页面，找到example workflows_Wan2.1文件夹，下载其中的三个工作流文件。直接将文件拖拽至ComfyUI界面即可完成加载，界面呈现效果大致如下。

四、核心功能测试

至此，基础部署已相当。先用文生视频（T2V-14B模型）进行测试。尝试以下提示词，感受实际效果：

“一位身着红色细带比基尼的维密超模，在地中海沙滩上微笑漫步，远处海面停泊几艘游艇，天空湛蓝，点缀着白云。”

再测试英文文本生成：“同一位维密超模，身着红色细带比基尼，站在地中海沙滩上，面带微笑手持一块牌子，牌上写着‘welcome’。”

接着测试中文文本：“一位维密超模，身穿红色细带比基尼，在地中海沙滩上微笑展示一块手举牌，牌上写着‘我爱中国’。”

图生视频部分，使用I2V-14B-480P模型进行测试。输入一张车内女孩的照片，提示词为：“车内女孩微笑着说话，窗外车辆正在移动。”

最后测试视频生视频。当前ComfyUI官方尚未直接支持此功能，但kijai社区已开发出可用工作流。基于上一步生成的视频素材，将画面人物进行替换，提示词调整为：“一位半机械女孩坐在车内。”

重要提示：若使用kijai的工作流，对应模型需另行下载。另外，鉴于万相2.1涉及多个模型文件，生成前务必在ComfyUI对话框中确认当前已选中正确的模型。

五、初步实测结论

走完一轮测试，得到几点直观反馈：

1、实际输出效果上，万相2.1与腾讯混元不相上下，对提示词的遵循度表现可圈可点。

2、中文文本生成确实可行，但并非每次都能准确呈现，存在一定随机性，需要多次尝试。

3、生成速度方面：在4090显卡上运行T2V-14B模型，未使用任何量化优化，生成5秒480P视频耗时约8分钟。切换至T2V-1.3B模型，2分钟左右即可出片，但画质有所下降。图生视频（I2V）速度更快，4090下生成5秒视频约3分钟。

4、文生视频可根据硬件配置选择1.3B或14B模型，图生视频目前仅有14B可选，分辨率支持480P与720P两种。

文章涉及的网址

万相2.1官方代码页：https://github.com/Wan-Video/Wan2.1

万相2.1 ComfyUI官方支持页面：https://blog.comfy.org/p/wan21-video-model-native-support

万相2.1 ComfyUI代码页（kijai）：https://github.com/kijai/ComfyUI-WanVideoWrapper

来源：互联网