能本地部署的视频生成模型有哪些

很多人搜到一堆开源视频模型名字，下完权重才发现跑不动、时长撑不住、许可证不能商用，或者推理框架根本不支持。这篇不列名单，给一套筛选顺序：先认清视频生成比文本模型更吃显存的地方，再按你的卡和用途缩小范围，最后核对许可证和框架适配。

搜到一堆开源视频模型名字，兴冲冲下完权重，结果发现跑不动、时长撑不住、许可证不能商用，或者推理框架根本不支持——这是想本地跑视频生成的人最常踩的坑。这篇不给你列名单，而是给一套筛选顺序：先认清视频生成比文本模型更吃显存的地方，再按你的卡和用途缩小范围，最后核对许可证和框架适配。

核心思路只有一个：别从模型出发，从你的硬件和用途出发倒推。一台 5 人小团队的机器，和一个人手里的单卡，能选的模型范围完全不同。先把约束写下来，再去找匹配的权重，比先收藏几十个仓库链接高效得多。

先分清「能本地部署」的三种含义

「能本地部署」这句话其实包含三个独立条件：权重公开可下载、能在自己机器上真的跑出结果、许可证允许你的用途。这三条不总是同时成立。有的模型权重放出来了，但训练代码没放，你想微调就没门；有的代码开源，可推理依赖某个框架的特定分支，装不上就跑不起来。先看清楚你满足的是哪几条，再决定要不要投入时间。

还有一点常被忽略：你得先明确要的是文生视频、图生视频还是视频转视频。三者的硬件压力不一样，图生视频通常比纯文生更省一些，视频转视频则多一道输入编码的开销。用途定不下来，后面所有筛选都是白做。

视频模型的显存账要按帧算，不是按参数量算

文本模型看参数量八九不离十，图像模型要看分辨率，视频模型则要在参数、分辨率之外再乘一个时间维度。同样参数规模下，视频模型的显存占用远高于文本和图像模型，而且瓶颈常常不在权重上，而在中间激活和缓存部分。所以别只盯着「多少参数」这一个数。

• 先区分「生成几秒」和「生成多高分辨率」，这两者是乘法关系，先定死其中一个，再去算另一个能到多少
• 量化确实能压权重占用，但压不动注意力和缓存那部分，别默认量化之后显存就能降一半
• 把最长一次生成的峰值占用当成规划依据，不是平均值，否则跑长片段时容易中途崩
• 显存不够时优先降分辨率或帧数，而不是硬扛，先跑通一条再往上加参数

按你的用途缩小候选范围

条件写清楚之后，候选范围通常会从几十个缩到几个。缩范围的动作按下面顺序走，每一步都能砍掉一批不合适的。

1. 定时长档先确定你要的是几秒的短片、十几秒的镜头，还是更长的连续片段。不同档位对显存和排队时间的要求差一个量级，先定档再选模型。
2. 定附加能力问自己要不要声音、要不要多镜头一致性、要不要可控的分镜。这些能力决定你得挑哪一类模型，而不是挑参数最大的那个。
3. 定交付方式你是要出成品，还是只要素材和分镜预览。如果只是预览，低分辨率多生成几次再挑，通常比一次冲高分辨率更实用也更省资源。
4. 验证一条最短路径用最小时长、最低分辨率先跑通一条，确认整条链路没问题，再逐步往上加参数。

这一步最容易犯的错是「先配好硬件再想用途」。反了。先把用途和时长写在一张纸上，再去看哪些模型能覆盖，最后才是硬件。

许可证和框架适配，部署前必须核对的两项

这两项是部署翻车的重灾区。很多开源视频模型对商用、对生成内容用途、对用户规模有额外条款，权重开源不等于随便用。框架适配也一样，权重版本和推理框架版本对不上，往往要自己改代码，团队里没人能长期维护就别硬上。

许可证核对

把许可证原文和权重发布页一起看，别只看二手转述或别人总结的一句话

框架适配

确认你打算用的推理框架是否官方支持该版本权重，不支持的先评估改动成本

用途边界

区分个人研究、内部使用、对外商用三种场景，条款覆盖范围往往不同

维护成本

把「谁能持续跟进框架更新」也算进选型，否则半年后可能没人能升级

许可证这一项没有通用答案，不同模型条款差别很大，遇到拿不准的就去站内模型资料库对一遍当时收录的条款摘要，再回原文确认。如果你只是内部做素材，很多限制不适用；一旦要对外分发，判断标准就完全变了。

动手前的自查清单

下面这张清单建议在下载任何权重之前填完。三项核心参数缺一不可，填不出来就说明你还没准备好开始。

• 写下你实际可用显存，不是标称显存，要扣掉系统和框架占用
• 写下你要的时长与分辨率，以及能接受的单条生成耗时
• 确认推理框架版本与权重版本匹配，先记下官方支持的组合
• 先用最短时长跑通一条，再加参数，不要一上来就对最终目标配硬件
• 跑通之后再算第二张卡的性价比，用实测数据而不是估算

如果你的用途是内部预览、不对外分发，许可证那一条可以放宽，重点看框架能不能跑通；如果要做对外交付，许可证就得逐条看，别嫌麻烦。