Wan2.2-S2V 数字人视频生成模型

Wan2.2-S2V阿里通义千问出品 一个音频驱动的电影视频生成模型，极大地简化了视频制作过程，仅需提供一张静态图片和一段音频，模型便能生成面部表情自然、口型与音频高度一致、肢体动作流畅丝滑的电影级数字人视频。

Wan2.2-S2V支持分钟级长视频稳定生成，不止嘴动，手势、表情、姿态都能动。

使用教程

1. 在镜像详情界面点击“使用该镜像创建实例”

2. 选择GPU型号，再点击“立即部署”

推荐选择4090、4090 48G

3. 实例启动后，在控制台-应用中点击“JupyterLab”

4.打开JupyterLab页面后，按照数字顺序依次执行——打开ipynb文件、点击快速启动的代码、点击运行按钮

5.如下图所示，则启动成功

6.输入网址http://{ip地址}:7860访问，{ip地址}替换为下图所示地址

7.浏览器如图显示，就说明启动成功了

8.提示

8.1 工作流可以在工作流程中找到

8.2 按照数字顺序，先上传图片，再根据图片修改分辨率。然后上传视频或音频，根据长度修改总帧数（比如5s的长度就是5x16+1=81帧）

8.3 视频素材传到这个文件夹里

十字鱼-镜像作者交流群