SFWan2.1-T2V-1.3B-Diffusers

Instala las dependencias y ejecuta el modelo con Diffusers. Este ejemplo genera 81 fotogramas a 480p y exporta el resultado como un vídeo MP4:

pip install -U diffusers transformers accelerate

import torch
from diffusers import AutoencoderKLWan, WanPipeline
from diffusers.utils import export_to_video

model_id = "wlsaidhi/SFWan2.1-T2V-1.3B-Diffusers"

vae = AutoencoderKLWan.from_pretrained(
    model_id,
    subfolder="vae",
    torch_dtype=torch.float32,
)

pipe = WanPipeline.from_pretrained(
    model_id,
    vae=vae,
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

prompt = "Un gato camina sobre la hierba, estilo realista"
negative_prompt = (
    "tonos demasiado brillantes, sobreexposición, imagen estática, "
    "detalles borrosos, subtítulos, baja calidad, deformidades"
)

frames = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=480,
    width=832,
    num_frames=81,
    guidance_scale=5.0,
).frames[0]

export_to_video(frames, "output.mp4", fps=15)

Para la implementación original de Wan2.1, se recomienda --sample_guide_scale 6 y un valor de --sample_shift entre 8 y 12. Si la GPU se queda sin memoria, pueden añadirse --offload_model True y --t5_cpu.