AnyFlow-Wan2.1-T2V-1.3B-Diffusers革命性任意步长视频生成AI模型完全指南【免费下载链接】AnyFlow-Wan2.1-T2V-1.3B-Diffusers项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/AnyFlow-Wan2.1-T2V-1.3B-DiffusersAnyFlow-Wan2.1-T2V-1.3B-Diffusers是一款基于流图构建的任意步长视频扩散框架它能让单个模型适应任意推理预算实现高质量的少步生成同时随着采样步骤的增加提供稳定的改进。作为一款1.3B参数的双向视频扩散模型它在Hugging Face Diffusers格式下基于Wan2.1-T2V-1.3B-Diffusers文本到视频骨干模型开发而来。 AnyFlow的核心优势任意步长生成⚡ 与传统受固定步长预算限制的蒸馏模型不同AnyFlow支持任意步长生成。这意味着你可以根据需求灵活调整生成步骤既可以快速生成视频也能通过增加步骤来提升质量。多架构支持 AnyFlow为因果和双向视频扩散模型都提供了任意步长蒸馏支持适应不同的视频生成架构需求。多任务能力 一个因果视频扩散模型就能支持文本到视频T2V、图像到视频I2V和视频到视频V2V的生成任务满足多样化的创作需求。可扩展性能 AnyFlow在1.3B到14B参数范围内都经过了验证展现出良好的可扩展性能够应对不同规模的应用场景。 快速开始使用AnyFlow环境搭建步骤创建Conda环境首先创建一个专门的Conda环境来运行AnyFlowconda create -n far python3.10 conda activate far安装PyTorch和依赖项接着安装PyTorch和其他必要的依赖pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128 pip install -r requirements.txt --no-build-isolation模型下载方法你可以通过以下命令下载AnyFlow模型pip install huggingface_hub[cli] hf download nvidia/AnyFlow-FAR-Wan2.1-1.3B-Diffusers --repo-type model --local-dir experiments/pretrained_models/AnyFlow-FAR-Wan2.1-1.3B-Diffusers如果需要其他版本的模型可以参考以下列表ModelTasksResolutionAnyFlow-FAR-Wan2.1-1.3B-DiffusersT2V, I2V, V2V480PAnyFlow-FAR-Wan2.1-14B-DiffusersT2V, I2V, V2V480PAnyFlow-Wan2.1-T2V-14B-DiffusersT2V480PAnyFlow-Wan2.1-T2V-1.3B-DiffusersT2V480P运行文本到视频生成使用Diffusers运行文本到视频生成非常简单以下是示例代码import torch from diffusers.utils import export_to_video from far.pipelines.pipeline_wan_anyflow import WanAnyFlowPipeline model_id nvidia/AnyFlow-Wan2.1-T2V-1.3B-Diffusers pipeline WanAnyFlowPipeline.from_pretrained(model_path).to(cuda, dtypetorch.bfloat16) prompt CG game concept digital art, a majestic elephant with a vibrant tusk and sleek fur running swiftly towards a herd of its kind. video pipeline( promptprompt, height480, width832, num_frames81, num_inference_steps4, generatortorch.Generator(cuda).manual_seed(0) ).frames[0] export_to_video(output, output.mp4, fps16) 许可证信息AnyFlow模型采用NVIDIA单向非商业许可证NSCLv1发布。根据该许可证模型仅供非商业使用NVIDIA不对使用模型或衍生模型生成的任何输出主张所有权完整的许可证信息可以查看LICENSE.md文件。 相关引用如果你觉得AnyFlow对你的工作有帮助请引用相关论文article{gu2026anyflow, title{AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation}, author{Gu, Yuchao and Fang, Guian and Jiang, Yuxin and Mao, Weijia and Han, Song and Cai, Han and Shou, Mike Zheng}, journal{arXiv preprint arXiv:2605.13724}, year{2026} } article{gu2025long, title{Long-Context Autoregressive Video Modeling with Next-Frame Prediction}, author{Gu, Yuchao and Mao, weijia and Shou, Mike Zheng}, journal{arXiv preprint arXiv:2503.19325}, year{2025} } 致谢AnyFlow的代码库基于Diffusers构建同时参考了FAR、Self-Forcing和TiM的实现。感谢这些项目的作者开源他们的工作。要开始使用AnyFlow-Wan2.1-T2V-1.3B-Diffusers你可以克隆仓库https://gitcode.com/hf_mirrors/nvidia/AnyFlow-Wan2.1-T2V-1.3B-Diffusers按照上述步骤搭建环境并尝试生成自己的视频内容。无论是研究还是非商业项目AnyFlow都能为你提供强大的视频生成能力。【免费下载链接】AnyFlow-Wan2.1-T2V-1.3B-Diffusers项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/AnyFlow-Wan2.1-T2V-1.3B-Diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考