Wan系列视频生成模型基于Lite Server适配Pytorch NPU的推理指导(6.5.907)

方案概览

本文主要介绍如何在ModelArts的Lite Server环境中，使用NPU卡进行Wan2.1、Wan2.2频生成模型进行文生视频推理、图生视频推理和文生图推理。完成本方案的部署，需要先联系您所在企业的华为方技术支持购买Server资源。

本案例支持Wan系列(包含Wan2.1-T2V-14B-Diffusers, Wan2.1-T2V-1.3B-Diffusers, Wan2.1-I2V-14B-480P-Diffusers, Wan2.1-I2V-14B-720P-Diffusers， Wan2.2-T2V-A14B-Diffusers， Wan2.2-I2V-A14B-Diffusers)生成模型。

资源规格要求

建议使用Lite Server环境中的Ascend Snt9B单机或Ascend Snt9B23单机资源。

获取软件和镜像

约束限制

• 本文档适配昇腾云ModelArts 6.5.907.2版本，请参考表3获取配套版本的软件包和镜像，请严格遵照版本配套关系使用本文档。
• 确保容器可以访问公网。

步骤一：准备环境

1. 请参考Lite Server资源开通，购买Server资源，并确保机器已开通，密码已获取，能通过SSH登录，不同机器之间网络互通。
   

   当容器需要提供服务给多个用户，或者多个用户共享使用该容器时，应限制容器访问Openstack的管理地址（169.254.169.254），以防止容器获取宿主机的元数据。具体操作请参见禁止容器获取宿主机元数据。

2. SSH登录机器后，检查NPU设备检查。运行如下命令，返回NPU设备信息。

   npu-smi info                    # 在每个实例节点上运行此命令可以看到NPU卡状态
   npu-smi info -l | grep Total    # 在每个实例节点上运行此命令可以看到总卡数

   如出现错误，可能是机器上的NPU设备没有正常安装，或者NPU镜像被其他容器挂载。请先正常安装固件和驱动，或释放被挂载的NPU。

3. 检查docker是否安装。

   docker -v   #检查docker是否安装

   如尚未安装，运行以下命令安装docker。

   yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64

4. 配置IP转发，用于容器内的网络访问。执行以下命令查看net.ipv4.ip_forward配置项的值，如果为1，可跳过此步骤。

   sysctl -p | grep net.ipv4.ip_forward

   如果net.ipv4.ip_forward配置项的值不为1，执行以下命令配置IP转发。

   sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf
   sysctl -p | grep net.ipv4.ip_forward

步骤二：获取基础镜像

建议使用官方提供的镜像部署服务。镜像地址{image_url}参见表3。

docker pull {image_url}

步骤三：启动容器镜像

1. 启动容器镜像。启动前请先按照参数说明修改${}中的参数。
   Snt9B23容器启动命令：

   export work_dir="自定义挂载的工作目录"
   export container_work_dir="自定义挂载到容器内的工作目录"
   export container_name="自定义容器名称"
   export image_name="镜像名称或ID"
   // 启动一个容器去运行镜像 
   docker run  -itd --net=host \
       --privileged \
       --device=/dev/davinci_manager \
       --device=/dev/devmm_svm \
       --device=/dev/hisi_hdc \
       --shm-size=256g \
       -v /usr/local/dcmi:/usr/local/dcmi \
       -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
       -v /var/log/npu/:/usr/slog \
       -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
       -v ${work_dir}:${container_work_dir} \
       --name ${container_name} \
       ${image_name} \
       /bin/bash

   Snt9B容器启动命令：

   export work_dir="自定义挂载的工作目录"
   export container_work_dir="自定义挂载到容器内的工作目录"
   export container_name="自定义容器名称"
   export image_name="镜像名称或ID"
   // 启动一个容器去运行镜像 
   docker run  -itd --net=bridge \
       --device=/dev/davinci0 \
       --device=/dev/davinci1 \
       --device=/dev/davinci2 \
       --device=/dev/davinci3 \
       --device=/dev/davinci4 \
       --device=/dev/davinci5 \
       --device=/dev/davinci6 \
       --device=/dev/davinci7 \
       --device=/dev/davinci_manager \
       --device=/dev/devmm_svm \
       --device=/dev/hisi_hdc \
       --shm-size=256g \
       -v /usr/local/dcmi:/usr/local/dcmi \
       -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
       -v /var/log/npu/:/usr/slog \
       -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
       -v ${work_dir}:${container_work_dir} \
       --name ${container_name} \
       ${image_name} \
       /bin/bash

   参数说明：

   • -v ${work_dir}:${container_work_dir}：代表需要在容器中挂载宿主机的目录。宿主机和容器使用不同的文件系统。work_dir为宿主机中工作目录，目录下可存放项目所需代码、数据等文件。container_work_dir为要挂载到的容器中的目录。为方便两个地址可以相同。
     

     • 容器不能挂载到/home/ma-user目录，此目录为ma-user用户家目录。如果容器挂载到/home/ma-user下，拉起容器时会与基础镜像冲突，导致基础镜像不可用。

     • driver及npu-smi需同时挂载至容器。
   • --name ${container_name}：容器名称，进入容器时会用到，此处可以自己定义一个容器名称。
   • ${image_name}：对应机型的基础镜像的名称，具体参见表3。
   • --device=/dev/davinci0 ：挂载对应卡到容器，当需要挂载多卡，请依次添加多项该配置。
2. 通过容器名称进入容器中。

   Snt9B23使用root用户登录

   docker exec -it -u root ${container_name} bash

   Snt9B默认使用ma-user用户，后续所有操作步骤都在ma-user用户下执行。

   docker exec -it ${container_name} bash

步骤四：安装依赖和软件包

1. git clone和git lfs下载大模型可以参考如下操作。
   1. 在浏览器中输入如下地址下载git-lfs压缩包并上传到容器的/home/ma-user目录下。

      https://github.com/git-lfs/git-lfs/releases/download/v3.2.0/git-lfs-linux-arm64-v3.2.0.tar.gz

      或直接下载到容器，这样在容器中可以直接使用。

      cd /home/ma-user
      wget https://github.com/git-lfs/git-lfs/releases/download/v3.2.0/git-lfs-linux-arm64-v3.2.0.tar.gz

   2. 进入容器，执行安装git lfs命令。

      cd /home/ma-user
      tar -zxvf git-lfs-linux-arm64-v3.2.0.tar.gz 
      cd git-lfs-3.2.0 
      sudo sh install.sh

   3. 设置git配置去掉ssl校验。

      git config --global http.sslVerify false

2. 安装AscendX_Video软件包。
   1. 将获取到的AscendX_Video软件包AscendCloud-AIGC-*.zip文件上传到容器的/home/ma-user目录下。获取路径参见获取软件和镜像。
   2. 解压AscendCloud-AIGC-*.zip文件，解压后按照步骤安装Python依赖，执行以下命令即可。

      cd /home/ma-user
      unzip AscendCloud-AIGC-*.zip -d ./AscendCloud
      cp -r /home/ma-user/AscendCloud/aigc_inference/torch_npu/ascendx_video ./
      cd /home/ma-user/ascendx_video
      pip install seal-*-linux_aarch64.whl
      pip install check_device-*-linux_aarch64.whl
      pip install ascendx_video-*-none-any.whl

   3. 安装算子环境。

      如果使用的是Snt9B23机器，执行：

      cd /home/ma-user/AscendCloud/opp/A3

      如果使用的是Snt9B机器，执行：

      cd /home/ma-user/AscendCloud/opp/A2

      安装算子:

      unzip AscendCloud-OPP-*.zip
      unzip AscendCloud-OPP-*-torch-2.5.1-py311-*.zip -d ./AscendCloud_OPP
      cd AscendCloud_OPP
      pip install *.whl
      mkdir -p /home/ma-user/operate
      bash ./ascend_cloud_ops_ascend_turbo-*_linux_aarch64.run --install-path=/home/ma-user/operate
      bash ./ascend_cloud_ops_custom_opp-*_linux_aarch64_ascend910b_ascend910_93.run --install-path=/home/ma-user/operate
      cd ..
      unzip AscendCloud-OPS-ADV-*.zip -d ./AscendCloud_OPS-ADV
      cd AscendCloud_OPS-ADV
      bash ./CANN-custom_ops-*-linux.aarch64.run --install-path=/home/ma-user/operate

步骤五：下载模型权重

下载权重文件至容器目录，需要用到的模型地址如下。

• Wan-AI/Wan2.1-T2V-14B-Diffusers，地址：https://huggingface.co/Wan-AI/Wan2.1-T2V-14B-Diffusers
• Wan-AI/Wan2.1-T2V-1.3B-Diffusers，地址：https://huggingface.co/Wan-AI/Wan2.1-T2V-1.3B-Diffusers
• Wan-AI/Wan2.1-I2V-14B-480P-Diffusers，地址: https://huggingface.co/Wan-AI/Wan2.1-I2V-14B-480P-Diffusers
• Wan-AI/Wan2.1-I2V-14B-720P-Diffusers，地址: https://huggingface.co/Wan-AI/Wan2.1-I2V-14B-720P-Diffusers
• Wan-AI/Wan2.2-T2V-A14B-Diffusers，地址：https://huggingface.co/Wan-AI/Wan2.2-T2V-A14B-Diffusers
• Wan-AI/Wan2.2-I2V-A14B-Diffusers，地址：https://huggingface.co/Wan-AI/Wan2.2-I2V-A14B-Diffusers

将权重放到 /home/ma-user/ascendx_video/weights目录下，例如：

weights
└──Wan-AI
    ├──Wan2.1-I2V-14B-480P-Diffusers
    ├──Wan2.1-I2V-14B-720P-Diffusers
    ├──Wan2.1-T2V-14B-Diffusers
    ├──Wan2.1-T2V-1.3B-Diffusers
    ├──Wan2.2-I2V-A14B-Diffusers
    └──Wan2.2-T2V-A14B-Diffusers

步骤六：Wan2.1文生视频模型推理

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.1_14b_t2v_480p.sh：表示Wan文生视频模型Wan2.1-T2V-14B的480P推理脚本。
• infer_wan2.1_14b_t2v_720p.sh：表示Wan文生视频模型Wan2.1-T2V-14B的720P推理脚本。
• infer_wan2.1_1.3b_t2v.sh：表示Wan文生视频模型Wan2.1-T2V-1.3B的推理脚本。

执行以下命令开始推理任务，以infer_wan2.1_14b_t2v_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.1_14b_t2v_480p.sh

文生视频推理脚本infer_wan2.1_14b_t2v_480p.sh参数介绍如下。infer_wan2.1_1.3b_t2v.sh和infer_wan2.1_14b_t2v_720p.sh脚本参数和infer_wan2.1_14b_t2v_480p.sh类似。

export MASTER_ADDR=127.0.0.1
export MASTER_PORT=29505

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
export MEMORY_FRAGMENTATION=1
export COMBINED_ENABLE=1
export TASK_QUEUE_ENABLE=2
export TOKENIZERS_PARALLELISM=false

export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
N_NPUS=8
torchrun --nproc_per_node=$N_NPUS --master_addr $MASTER_ADDR --master_port $MASTER_PORT ../infer.py \
         --model Wan2.1-T2V-14B \
         --pretrained_model_name_or_path "../weights/Wan-AI/Wan2.1-T2V-14B-Diffusers" \
         --save_path ./output.mp4 \
         --num_inference_steps 50 \
         --width 832 \
         --height 480 \
         --frames 81 \
         --sp $N_NPUS \
         --fsdp \
         --vae_lightning \
         --turbo_mode faiz \
         --atten_a8w8 \
         --matmul_a8w8 \
         --rope_fused \
         --seed 42 \
         --prompt "A young boy with short brown hair, dressed in a dark blue t-shirt and red pants, is seen playing a KAWAI upright piano with skill and concentration. The piano's glossy black surface reflects the room's lighting, and its white and black keys are arranged in a standard layout, indicating a scene of musical practice or learning. The boy's hands move over the keys, suggesting he is engaged in playing or practicing a piece." \
         --negative_prompt "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"

• ASCEND_RT_VISIBLE_DEVICES：使用的卡号。
• N_NPUS： 使用卡数量。建议使用8卡运行。
• model：支持的推理模型，目前支持: Wan2.1-T2V-14B、Wan2.1-I2V-14B、Wan2.1-T2V-1.3B、Wan2.2-T2V-A14B、Wan2.2-I2V-A14B。
• pretrained_model_name_or_path：对应模型的权重地址。
• save_path：推理生成的视频保存路径。
• num_inference_steps：推理步数。
• frames,height,width：生成视频的尺寸，分别是帧数，高，宽。目前支持 81x480x832、121x480x832、81x720x1280、121x720x1280。
• prompt,negative_prompt：生成视频的正向提示词和反向提示词。
• sp：序列并行参数，推荐和推理卡数保持一致。
• fsdp: 数据并行。支持 None, "all","text_encoder","transformer"。默认为 None 不启用。启动不填写默认为 "all"，对 "text_encoder" 和 "transformer" 启用并行，若填写 "text_encoder" 或 "transformer" 则仅对该模块启动并行。
• vae_lightning：VAE加速，该参数仅在多卡场景下支持。不设置此参数时，不启用VAE加速。VAE加速启用能够加速VAE性能。
• turbo_mode：加速模式。支持 "default","faiz" 模式，默认为"default"不启用。推荐使用 faiz 模式，达到最高性能。不设置此参数时，表示不启用加速模式。turbo_mode加速模式能加速视频推理，但会对精度造成轻微影响。
• atten_a8w8: atten量化加速。推荐打开，达到最高性能。不设置此参数时，表示不启用atten量化加速。atten量化加速能加速视频推理，但会对精度造成轻微影响。
• matmul_a8w8: matmul量化加速。推荐打开，达到最高性能。不设置此参数时，表示不启用matmul量化加速。matmul量化加速能加速视频推理，但会对精度造成轻微影响。
• rope_fused: 旋转位置编码融合算子。推荐打开，达到最高性能。不设置此参数时，表示不启用融合算子。融合算子加速能加速视频推理，但会对精度造成轻微影响。
• seed: 随机数种子。默认为42，会影响生成图片的效果。

推理任务运行结束后，生成的视频文件output.mp4存放在设置的save_path目录下，脚本中默认放在/home/ma-user/ascendx_video/scripts目录，请查看推理结果。

步骤七：Wan2.1图生视频模型推理

开始图生视频模型推理前，先下载示例图片，并将示例图片放在 /home/ma-user/ascendx_video/scripts 目录下。

图1 示例图片

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.1_14b_i2v_480p.sh：表示Wan图生视频模型Wan2.1-I2V-14B的480P推理脚本。
• infer_wan2.1_14b_i2v_720p.sh：表示Wan图生视频模型Wan2.1-I2V-14B的720P推理脚本。

执行以下命令开始推理任务，以infer_wan2.1_14b_i2v_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.1_14b_i2v_480p.sh

图生视频推理脚本infer_wan2.1_14b_i2v_480p.sh参数介绍如下。和infer_wan2.1_14b_i2v_720p.sh脚本参数和infer_wan2.1_14b_i2v_480p.sh类似。

export MASTER_ADDR=127.0.0.1
export MASTER_PORT=29505

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
export MEMORY_FRAGMENTATION=1
export COMBINED_ENABLE=1
export TASK_QUEUE_ENABLE=2
export TOKENIZERS_PARALLELISM=false
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
N_NPUS=8
torchrun --nproc_per_node=$N_NPUS --master_addr $MASTER_ADDR --master_port $MASTER_PORT ../infer.py \
         --model Wan2.1-I2V-14B \
         --pretrained_model_name_or_path "../weights/Wan-AI/Wan2.1-I2V-14B-480P-Diffusers" \
         --task_type i2v \
         --i2v_image_path ./astronaut.jpg \
         --save_path ./output.mp4 \
         --num_inference_steps 40 \
         --width 832 \
         --height 480 \
         --frames 81 \
         --sp $N_NPUS \
         --fsdp \
         --vae_lightning \
         --turbo_mode faiz \
         --atten_a8w8 \
         --matmul_a8w8 \
         --rope_fused \
         --seed 42 \
         --prompt "An astronaut hatching from an egg, on the surface of the moon, the darkness and depth of space realised in the background. High quality, ultrarealistic detail and breath-taking movie-like camera shot." \
         --negative_prompt "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"

• task_type：推理任务分为t2v, i2v，t2i。文生视频、图生视频、文生图。默认为图生视频。
• i2v_image_path：图生视频的图路径。
• 其他参数和infer_wan_14b_t2v_480p.sh参数一致，具体请参见步骤六：Wan2.1文生视频模型推理中的参数解释。

推理任务运行结束后，生成的视频文件output.mp4存放在设置的save_path目录下，脚本中默认放在/home/ma-user/ascendx_video/scripts目录，请查看推理结果。

步骤八：Wan2.1文生图模型推理

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.1_14b_t2i_480p.sh：表示Wan文生图模型Wan2.1-T2V-14B的480P推理脚本。
• infer_wan2.1_14b_t2i_720p.sh：表示Wan文生图模型Wan2.1-T2V-14B的720P推理脚本。

执行以下命令开始推理任务，以infer_wan2.1_14b_t2i_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.1_14b_t2i_480p.sh

步骤九：Wan2.2文生视频模型推理

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.2_14b_t2v_480p.sh：表示Wan文生视频模型Wan2.2-T2V-A14B-Diffusers的480P推理脚本。
• infer_wan2.2_14b_t2v_720p.sh：表示Wan文生视频模型Wan2.2-T2V-A14B-Diffusers的720P推理脚本。

执行以下命令开始推理任务，以infer_wan2.2_14b_t2v_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.2_14b_t2v_480p.sh

export MASTER_ADDR=127.0.0.1
export MASTER_PORT=29505

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
export MEMORY_FRAGMENTATION=1
export COMBINED_ENABLE=1
export TASK_QUEUE_ENABLE=2
export TOKENIZERS_PARALLELISM=false
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
N_NPUS=8
torchrun --nproc_per_node=$N_NPUS --master_addr $MASTER_ADDR --master_port $MASTER_PORT ../infer.py \
         --model Wan2.2-T2V-A14B \
         --pretrained_model_name_or_path ../weights/Wan-AI/Wan2.2-T2V-A14B-Diffusers \
         --task_type t2v \
         --save_path ./output.mp4 \
         --num_inference_steps 40 \
         --width 832 \
         --height 480 \
         --frames 81 \
         --sp $N_NPUS \
         --fsdp text_encoder \
         --vae_lightning \
         --inf_vram_blocks_num 1 \
         --vae_lightning \
         --atten_a8w8 \
         --matmul_a8w8 \
         --rope_fused \
         --guidance_scale 3.0 \
         --guidance_scale_2 4.0 \
         --seed 42 \
         --prompt "An astronaut hatching from an egg, on the surface of the moon, the darkness and depth of space realised in the background. High quality, ultrarealistic detail and breath-taking movie-like camera shot." \
         --negative_prompt "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"

• inf_vram_blocks_num: 显存优化，目前只支持1。开启时，要求参数fsdp text_encoder。
• guidance_scale: transformer 无分类器引导,按对应模型填写对应值。
• guidance_scale_2: wan2.2 的 transformer_2 无分类器引导,按对应模型填写对应值。

参数和infer_wan_14b_t2v.sh参数一致，具体请参见步骤六：Wan2.1文生视频模型推理中的参数解释。

推理任务运行结束后，生成的视频文件output.mp4存放在设置的save_path目录下，脚本中默认放在/home/ma-user/ascendx_video/scripts目录，请查看推理结果。

步骤十：Wan2.2图生视频模型推理

开始图生视频模型推理前，先下载示例图片，并将示例图片放在 /home/ma-user/ascendx_video/scripts 目录下。

图2 示例图片

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.2_14b_i2v_480p.sh：表示Wan图生视频模型Wan2.2-I2V-A14B-Diffusers的480P推理脚本。
• infer_wan2.2_14b_i2v_720p.sh：表示Wan图生视频模型Wan2.2-I2V-A14B-Diffusers的720P推理脚本。

执行以下命令开始推理任务，以infer_wan2.2_14b_i2v_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.2_14b_i2v_480p.sh

文生视频推理脚本infer_wan2.2_14b_i2v_480p.sh参数介绍如下。infer_wan2.2_14b_i2v_720p.sh脚本参数和infer_wan2.2_14b_i2v_480p.sh类似。

export MASTER_ADDR=127.0.0.1
export MASTER_PORT=29505

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
export MEMORY_FRAGMENTATION=1
export COMBINED_ENABLE=1
export TASK_QUEUE_ENABLE=2
export TOKENIZERS_PARALLELISM=false
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
N_NPUS=8
torchrun --nproc_per_node=$N_NPUS --master_addr $MASTER_ADDR --master_port $MASTER_PORT ../infer.py \
         --model Wan2.2-I2V-A14B \
         --pretrained_model_name_or_path ../weights/Wan-AI/Wan2.2-I2V-A14B-Diffusers \
         --task_type i2v \
         --i2v_image_path ./astronaut.jpg \
         --save_path ./output.mp4 \
         --num_inference_steps 40 \
         --width 832 \
         --height 480 \
         --frames 81 \
         --sp $N_NPUS \
         --fsdp \
         --vae_lightning \
         --atten_a8w8 \
         --matmul_a8w8 \
         --rope_fused \
         --guidance_scale 3.5 \
         --guidance_scale_2 3.5 \
         --seed 42 \
         --prompt "An astronaut hatching from an egg, on the surface of the moon, the darkness and depth of space realised in the background. High quality, ultrarealistic detail and breath-taking movie-like camera shot." \
         --negative_prompt "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"

参数和infer_wan_14b_t2v.sh参数一致，具体请参见步骤六：Wan2.1文生视频模型推理中的参数解释。

推理任务运行结束后，生成的视频文件output.mp4存放在设置的save_path目录下，脚本中默认放在/home/ma-user/ascendx_video/scripts目录，请查看推理结果。

步骤十一：Wan2.2文生图模型推理

在/home/ma-user/ascendx_video/scripts/目录中有如下脚本：

• infer_wan2.2_14b_t2i_480p.sh：表示Wan文生图模型Wan2.2-T2V-A14B-Diffusers的480P推理脚本。
• infer_wan2.2_14b_t2i_720p.sh：表示Wan文生图模型Wan2.2-T2V-A14B-Diffusers的720P推理脚本。

执行以下命令开始推理任务，以infer_wan2.2_14b_t2i_480p.sh为例。

cd /home/ma-user/ascendx_video/scripts/
bash infer_wan2.2_14b_t2i_480p.sh

文生图推理脚本infer_wan2.2_14b_t2i_480p.sh参数介绍如下。infer_wan2.2_14b_t2i_720p.sh脚本参数和infer_wan2.2_14b_t2i_480p.sh类似。

export MASTER_ADDR=127.0.0.1
export MASTER_PORT=29505

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
export MEMORY_FRAGMENTATION=1
export COMBINED_ENABLE=1
export TASK_QUEUE_ENABLE=2
export TOKENIZERS_PARALLELISM=false
export ASCEND_RT_VISIBLE_DEVICES=0,1
N_NPUS=2
torchrun --nproc_per_node=$N_NPUS --master_addr $MASTER_ADDR --master_port $MASTER_PORT ../infer.py \
         --model Wan2.2-T2V-A14B \
         --pretrained_model_name_or_path ../weights/Wan-AI/Wan2.2-T2V-A14B-Diffusers \
         --task_type t2i \
         --save_path ./output.png \
         --num_inference_steps 40 \
         --width 832 \
         --height 480 \
         --frames 1 \
         --atten_a8w8 \
         --matmul_a8w8 \
         --rope_fused \
         --guidance_scale 3.0 \
         --guidance_scale_2 4.0 \
         --seed 42 \
         --prompt "An astronaut hatching from an egg, on the surface of the moon, the darkness and depth of space realised in the background. High quality, ultrarealistic detail and breath-taking movie-like camera shot." \
         --negative_prompt "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走"

参数和infer_wan_14b_t2v.sh参数一致，具体请参见步骤六：Wan2.1文生视频模型推理中的参数解释。

推理任务运行结束后，生成的图片output.png存放在设置的save_path目录下，脚本中默认放在/home/ma-user/ascendx_video/scripts目录，请查看推理结果。