English | 简体中文
单卡运行 Wan 图生视频，对比两种 CPU block offload：baseline 逐 tensor 搬运权重，contiguous 使用连续 pinned 内存并整 block 搬运。
安装对应平台的项目依赖后，在仓库根目录执行以下命令。
使用 Wan2.1-I2V-14B-720P-Lightx2v 的 FP8 权重，先设置两个脚本开头的 lightx2v_path、model_path 和 CUDA_VISIBLE_DEVICES。
在 configs/wan/layout/baseline.json 和 contiguous.json 中，将 dit_quantized_ckpt 设置为 FP8 DiT 目录的绝对路径，将 clip_quantized_ckpt 设置为实际量化 CLIP 文件的路径。示例文件名为 clip-fp8.pth，请按实际文件名填写。这些路径独立于 model_path。
bash scripts/wan/inference/offload_layout/run_baseline.sh
bash scripts/wan/inference/offload_layout/run_contiguous.sh使用原始 Wan2.1-I2V-14B-720P BF16 权重，包含文本编码器和 VAE。在两个 NPU 脚本开头设置 lightx2v_path、model_path 和 ASCEND_RT_VISIBLE_DEVICES，默认使用第 0 张卡。
bash scripts/wan/inference/offload_layout/run_baseline_npu.sh
bash scripts/wan/inference/offload_layout/run_contiguous_npu.sh配置位于 configs/wan/layout/，输入图片在脚本的 --image_path 中设置。视频保存在 save_results/wan_layout/，重复运行会覆盖同名结果。
cpu_offload_block_contiguous 在 baseline 配置中为 false，在 contiguous 配置中为 true。