这两年AI视频领域太火了，但想本地跑，显卡也是太贵了。
如果你手里还攥着一张RTX 2060或者GTX 1060，这波AI视频浪潮大概率把你伤得不轻。
各大厂商发布会上的Demo一个比一个炫，可当你真去下载模型准备本地运行时，迎接你的往往是鲜红的"CUDA out of memory"。
24G显存成了入场券，12G都得靠边站，6G显存的用户连门都摸不着。
但GitHub上有个项目， 直截了当地解决了一个被大厂忽视的问题：不是"怎么让视频生成效果更好"，而是"怎么让普通显卡也能跑起来"。
它叫Wan2GP，作者：DeepBeepMeep。
这个项目从2025年初开始迭代，到现在已经更新了十几个大版本。
它没拿过融资，没开过发布会，但在Discord社区里攒了几千个活跃用户，被不少玩家称为"低显存党的最后救命稻草"。
它到底做了什么，让6G显存成了可能？
Wan2GP本质上是一个封装层。
它把阿里Wan、腾讯HunyuanVideo、LTX-Video、Flux、Qwen Image这些主流开源模型，全部塞进了一个工具箱里。
但它的核心价值不在"集成"，而在"压榨"——把模型的显存占用压榨到极限。
官方文档里写得明白：Wan 1.3B视频生成模型，最低只需要6GB VRAM就能跑。
RTX 2080Ti跑5秒Vace 1.3B视频，只要5G显存，耗时6分钟。
Wan 2.1的14B大模型，在优化后也能在远低于官方要求的显存下运转。
怎么做到的？三板斧。
第一板斧是量化支持。
Wan2GP几乎吃遍了所有主流量化格式：int8、fp8、gguf、NV FP4、Nunchaku。
你可以根据显存大小，选择不同精度的模型文件。
显存紧张就上GGUF Q4，想速度快就上FP8，RTX 50系用户还能用原生FP4进一步提速。
第二板斧是分层卸载（Block Swap）。
模型不一次性全塞进显存，而是像流水线一样，需要哪层调哪层，把压力分摊到系统内存上。
配合VAE Tiling技术，连编码解码阶段的显存峰值都被削平了。
第三板斧是自动适配。
你不需要手动计算该用哪种量化、该开多少步数。
Wan2GP内置了五种内存配置文件，从"Profile 1：我显存很多"到"Profile 5：我快撑不住了"，点一下就能自动匹配最优参数。
甚至模型文件都是自动下载的。
你第一次点某个模型生成时，它会在后台把对应权重拉下来，不用你去很麻烦的手动查询下载。
它不只是一个视频工具，而是一个完整的AI工作室
很多人误以为Wan2GP只是Wan 2.1的启动器。
实际上，它支持的模型列表长得惊人。
视频生成这块，阿里Wan 2.1和2.2的全家桶都在。
文生视频、图生视频、带首尾帧的FLF2V、带透明通道的Alpha、无限续杯的SVI Pro 2。
腾讯HunyuanVideo 1.5的蒸馏版、LTX-2.3系列、Kandinsky 5、LongCat，甚至最新的Wan-Move轨迹控制模型，也都已经接入。
视频编辑更是它的强项。
Vace 14B控制网可以往视频里注入人物或物体；
MoCha做角色替换；
Lucy Edit专门换衣服；
Ditto做风格迁移；
Recam Master换拍摄角度。
配合内置的Matanyone蒙版工具，你可以框选视频里的任意区域，让AI只改这一块，其他保持不动。
图像生成也没落下。
Flux 2（60B参数Transformer）在Wan2GP里被优化到8G显存可跑。
Z-Image、Qwen Image、Flux DreamOmni2，从快速出图到商业级图像编辑，都有对应模型。
音频方面，Chatterbox做TTS语音克隆，Ace Step做音乐生成，MMAudio给视频自动配音效。
甚至还有Ovi模型，能把静态肖像变成带音频驱动的说话视频。
也就是说，你打开一个网页，就能完成"写脚本、生图像、做视频、配旁白、加背景音乐"的全流程。
不需要在ComfyUI里拉节点，不需要在命令行里敲参数，甚至不需要知道什么是扩散模型。
你不需要成为工程师
开源AI工具一直有个悖论：能力越强，门槛越高。
ComfyUI是行业标杆，但它的节点式工作流能把纯新手直接劝退。
Stable Diffusion WebUI时代好歹还是点选式，到了视频生成时代，很多人连环境配置都搞不定。
Wan2GP的选择是做一个"傻瓜相机"。
界面是纯粹的网页端，下拉菜单选模型，文本框写提示词，上传图片或视频，点生成。
内置的Prompt Enhancer会自动帮你扩写提示词，提高出图质量。
生成任务可以排队，你可以一次性塞进去十个不同的创意，让显卡半夜自己慢慢跑，第二天早上收菜。
更贴心的是它的"继续视频"功能。
AI生成的视频通常只有5到10秒，Wan2GP可以把上一段的末尾帧作为下一段的起始帧，配合音频拼接，理论上能做出无限长度的视频。
虽然衔接处偶尔有闪烁，但对于做短视频、广告片头、社交媒体内容来说，已经够用了。
社区还贡献了大量插件。
Tophness做的扩展画廊、Lora乘数向导，让模型管理和风格微调变得可视化。
你可以像逛应用商店一样，浏览CivitAI上的LoRA模型，一键下载到本地。
无所谓我会出手
为了让大家能够轻松体验到该项目的魅力，我当然是：无所谓，我会出手.gif。
为大家准备了一个免费整合包，让你不用配置环境，直接就能用。
整合包已下载了LTX-2.3 distilled 1.0 GGUF Q4_K_M light模型，如果选择其他模型，点击生成时会自动下载模型。
写提示词：正提示词写 “想要的效果”，反提示词写 “不要的效果”，提示词越具体，效果越准。
上传参考图片&视频（仅图生视频或视频编辑）：上传一张参考图片和参考视频。
点击生成：点击 “生成视频”，AI自动逐帧生成视频，耗时取决于视频长度。
支持下载：生成后先预览，不满意可改提示词重生成，满意就下载成品。
文生视频：
图生视频：
生成案例：
它不完美，但它在快速进化
说实话，Wan2GP不是没有缺点。
首先，它的生成质量上限取决于底层模型。
Wan2GP本身不生产模型，它只是模型的"驾驶员"。
如果某个开源模型本身有瑕疵，比如手指畸形、物理规律混乱，Wan2GP也救不了。
其次，虽然界面简单，但想要榨出最佳效果，你仍然需要理解每个模型的脾气。
Wan 2.2 5B需要至少720p分辨率才能发挥实力；
Flux 2对提示词很敏感；
HunyuanVideo的蒸馏版步数少了会糊。
这些细节藏在文档里，新手容易踩坑。
但这些缺点，在更新频率面前显得没那么致命。
从2025年3月到2026年5月，DeepBeepMeep几乎保持着每周一小更、每月一大更的节奏。
社区也在反哺项目。
这种"开发者+用户"的紧密循环，让Wan2GP的迭代速度远超那些靠公司全职团队维护的项目。
写在最后
AI视频生成赛道今年卷得飞起。
大厂在拼4K、拼时长、拼电影感，闭源工具按月收订阅费。
而开源社区里，另一群人正在解决一个更朴素的问题：让普通人用得起。
Wan2GP代表的就是这股"平民化"力量。
它不追求最前沿的画质，不承诺替代好莱坞，但它让一张六年前的RTX 2060重新有了用武之地。
对于学生、独立创作者、小工作室、以及单纯想尝鲜但不想换电脑的人来说，这可能就是最好的入口。
如果你被24G显存的门槛挡在AI视频门外太久，不妨去试一试Wan2GP。
下载、解压、选个模型、写句提示词，点下生成。
等进度条走完的那一刻，你会重新相信：旧硬件也能跟上这个时代。