通义万相2.1-文生视频-1.3b 本地部署

你大概是在试一个轻量文生视频模型：模型卡看了、权重也下了一半，结果卡在 CUDA 版本对不上、依赖装完跑不起来、或者一跑就显存爆掉。这篇按本地部署的真实顺序走一遍——先确认硬件和驱动底线，再装环境、拉权重、跑通最小推理，最后给一套显存和速度的排查清单。不承诺任何机器都能跑，也不给死数字，凡是要看当下版本的，都告诉你去站内哪一页核对。

你大概是在试一个轻量文生视频模型：模型卡看了、权重也下了一半，结果卡在 CUDA 版本对不上、依赖装完跑不起来、或者一跑就显存爆掉。这篇按本地部署的真实顺序走一遍，只讲怎么把流程跑通，不给具体数值。

思路很简单：先确认硬件和驱动底线，再装环境、拉权重、跑通最小推理，最后给一套显存和速度的排查清单。不承诺任何机器都能跑；凡是要看当下版本、体积、体积档位的地方，都告诉你去站内哪一页核对。开头说的「先别急着装依赖」，是因为这三个前置条件任何一个不达标，后面全是白干。

先搞清楚你手上这台机器够不够

把「能跑」拆成三件事：显卡显存、系统驱动与 CUDA 版本、磁盘剩余空间。三者任一不达标，都会在装依赖那一步白费功夫。轻量版模型对硬件要求低，不等于随便一台机器都能跑，先花十分钟确认底线，比装两小时依赖再报错划算。

• 显存估算别拍脑袋：按参数量乘以精度位数，再留出激活和视频帧缓存的余量。具体算法和对照表到 /models/deploy 按你的卡算一遍。
• 磁盘要同时装下权重文件、缓存和输出视频。权重体积随精度档位变化，先看模型库页面当时标注的文件大小，再决定放哪块盘。
• Windows 和 Linux 的坑不一样：Windows 更多是驱动和编译工具链问题，Linux 更多是权限和系统库版本问题，排查方向别搞反。

显存下限

能建张量并搬上卡、能跑完最小推理，这两个动作跑得过才算够。

驱动版本

要和你要装的框架版本匹配，不是越新越好，先去 /ai-dict/category/tech 对一遍关系。

磁盘余量

除了权重，还要给缓存和输出留地方，缓存目录最容易把盘撑满。

Python 环境与深度学习框架安装

这一步的目标只有一个：搭出一个能随时删掉重来的独立环境。别装在系统 Python 里，conda 和 venv 任选，关键是隔离干净。框架版本要和显卡驱动匹配，装之前先把 CUDA、驱动、框架三者关系对清楚，别照抄别人的版本号。

1. 建虚拟环境conda 或 venv 创建独立环境，激活后确认 python 路径指向环境内部，不是系统路径。
2. 配好镜像源国内装包慢是常态，先配好镜像源再动手。中途换源会导致依赖解析结果不一致，出现「别人能跑我不能」的玄学问题。
3. 安装框架按显卡驱动对应的 CUDA 档位选安装方式，装完立刻做自检：能否识别到显卡、能否建张量并搬到显卡上算一次。这一步不过就别往下走。
4. 冻结依赖装完导出一份依赖清单存档，日后重装或换机器直接按清单来，避免版本漂移。

如果自检时报找不到显卡，先别改代码。按「驱动 → CUDA 运行时 → 框架安装方式」的顺序往回查，多半是其中一环没对上，顺序错了会把时间浪费在无关环节。

权重与代码怎么拿、放哪里

权重和推理代码分开管理：代码用版本控制，权重单独放一个目录并记录来源，方便以后换档位或回滚。从官方模型库页面获取时，先看清许可范围再决定用在什么场景，拿不准就以模型页当时的声明为准，判断方法可参照 /open-weight-license-basics。

• 下载中断是家常便饭，用支持断点续传的方式拉，别用浏览器裸下大文件。
• 目录结构写成固定的：模型目录、输出目录、缓存目录分开，缓存目录特别占地方，别和系统盘混在一起。
• 第一次下载完成后校验文件完整性，缺文件的权重加载时会报出莫名其妙的键不匹配错误。
• 记录一次下载来源和获取方式，换机器时能复用同一套流程，不用重新摸索。

目录定好之后，以后换模型档位、换卡测试、重装环境，都只是在同一套结构里替换内容，不会因为路径混乱反复踩坑。

跑通第一次推理：从小参数开始

第一次别追求画质和时长，先用最少帧数、最低分辨率跑通端到端流程，确认数据能从提示词走到视频文件。这一步的意义不在于结果好看，而在于证明整条链路是通的。链路通了，再往上加参数才有意义。

1. 写配置文件把提示词、随机种子、帧数、分辨率、步数写进一个配置文件，不写死在代码里。后续复现和调参都靠它。
2. 选常见输出格式输出格式和编码器选常见的，避免播放器打不开，让你误判成模型没出结果。
3. 跑一次最小推理用最低配置跑一次，观察日志里每个阶段是否都正常走完，重点看模型加载和采样两段。
4. 记录基线第一次成功之后，立刻把这次的环境版本和参数原样记下来。这是你后面所有排查的基线，没有基线就没法判断变化来自哪里。

显存吃紧和生成太慢怎么办

显存不够时，排查顺序很重要：先降分辨率和帧数，再降精度档位，再开注意力优化类的内存节省选项，最后才考虑卸载到内存。顺序倒过来会让你误以为模型不行，其实是没找到真正的瓶颈。

速度慢要分清是模型加载慢还是一次生成慢：加载慢多数是磁盘和权重格式问题，生成慢多数是步数和分辨率问题。推理加速手段不是越多越好，叠加之后容易互相冲突，一次只改一个变量并记录耗时。同卡不同精度的取舍可对照 /quantization-tier-choice 的思路，先确定你能接受的质量底线再调。

常见报错按这个顺序查

排查报错有一条通用原则：先看报错最后几行，别从头读。绝大多数问题在最后一行的异常类型里，前面几十行通常只是调用栈的铺垫。按下面这个顺序过一遍，能省不少来回。

• 显存相关的非法内存或溢出：先怀疑并发和缓存没释放，把上一次输出占用的显存清掉再跑。
• 找不到算子或编译失败：多数是框架版本和显卡算力不匹配，回去重装而不是改代码。
• 权重加载不匹配：先把权重清单和模型配置对一遍，别急着改代码里的层名。
• 依赖冲突：回到虚拟环境重建，别在原环境里逐个降级，越改越乱。

如果按这个顺序查完还是不通，就把完整日志、环境版本、最小复现配置整理好再去提问，这比只贴一句报错能被更快定位。

什么情况下不该在本地跑这个

本地部署有明确的不适用场景，提前想清楚比装到一半放弃省事得多。下面这些情况，不是模型不行，是路线选择的问题。

• 只是想试效果、产出量不稳定时，本地部署的时间成本很难回本，先看 /local-video-model-picking 里列的其他路线再决定。
• 没有独显或只有集显的机器，不建议硬上，体验会很差，不如把精力放在调用侧。
• 团队里只有你一个人维护环境时，升级驱动和框架都要自己扛，先想清楚有没有人能接手。
• 对输出时长和分辨率有硬性要求时，轻量版模型的上限要先确认清楚，别做到一半才发现不行。

这几条不是劝退，而是让你在投入之前把预期定准。如果主要目标是快速出片、机器也不是主力工作站，调用侧方案往往更省事。

一份可照抄的部署清单

把前面的内容压缩成一份打勾清单，安装过程中每完成一项就划掉一项，出问题时也能快速定位是哪一环没做完。

• 硬件确认：显卡型号、显存、磁盘剩余空间、驱动版本四项逐条打勾。
• 环境确认：虚拟环境创建成功、框架能用上显卡、依赖装完无冲突。
• 权重确认：文件完整、目录固定、许可范围清楚。
• 运行确认：最小配置跑通一次、参数写进配置文件、基线记录在案。
• 运维确认：缓存和输出目录有清理策略、升级前能回滚。

清单里任何一项没打勾就先别进入下一步。本地部署最耗时的从来不是装包，而是顺序错了之后反复返工。要核对当下各模型在部署门槛上的差异，去 /models/deploy 看当时的整理即可，不用记死数字。