Wan22 Video Generation Service

Wan2.2-TI2V-5B 视频生成服务，基于 ahserver + longtasks 提供 OpenAI 兼容的异步视频生成 API。

Architecture

HTTP Request → ahserver (port 8079) → submit.dspy → longtasks.submit_task()
                                                    ↓ (Redis Queue)
                                              Wan22Tasks.process_task()
                                                    ↓
                                              Wan22.generate() [GPU]
                                                    ↓
                                              save to /data/ymq/wan22-outputs/
                                                    ↓
                                    task.dspy ← longtasks.get_status()

• 串行推理: GPU 全局锁 _GLOBAL_INFER_LOCK，一次只跑一个任务
• 模型常驻: 首次任务加载 Wan2.2 模型，后续任务复用，无需重复加载
• 异步队列: longtasks 通过 Redis 管理任务队列，支持失败重试

模型下载（离线部署）

Wan2.2-TI2V-5B 是 HuggingFace 模型，需要先下载再部署。

方法1: huggingface-cli（推荐）

# 安装 huggingface-cli
pip install huggingface_hub

# 下载模型到指定目录
huggingface-cli download Wan-AI/Wan2.2-TI2V-5B \
  --local-dir /data/ymq/models/Wan-AI/Wan2.2-TI2V-5B \
  --local-dir-use-symlinks False

下载大小: ~10GB
下载时间: 取决于网络速度（约10-30分钟）

方法2: git-lfs

# 安装 git-lfs
git lfs install

# 克隆模型仓库
cd /data/ymq/models
git clone https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B

方法3: wget/curl（单文件）

如果只需要特定文件，可以直接下载：

cd /data/ymq/models/Wan-AI/Wan2.2-TI2V-5B

# 下载模型文件（示例）
wget https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B/resolve/main/diffusion_pytorch_model-00001-of-00003.safetensors
wget https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B/resolve/main/diffusion_pytorch_model-00002-of-00003.safetensors
wget https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B/resolve/main/diffusion_pytorch_model-00003-of-00003.safetensors
wget https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B/resolve/main/Wan2.2_VAE.pth
wget https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B/resolve/main/config.json

验证下载

ls -lh /data/ymq/models/Wan-AI/Wan2.2-TI2V-5B/
# 应该看到 3个 .safetensors 文件（每个约3.3GB）+ VAE + 配置文件

模型来源

• HuggingFace: https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B
• License: Apache 2.0
• Paper: Wan: Open and Advanced Large-Scale Video Generative Models

API 接口

1. 提交视频生成任务

POST /api/submit
Content-Type: application/json

{
    "prompt": "A cinematic scene of...",    // 必填，视频描述
    "size": "1280*720",                     // 可选，默认 1280*720
    "frame_num": 81,                        // 可选，帧数 (4n+1, 17~129)
    "sample_steps": 50,                     // 可选，采样步数
    "sample_guide_scale": 5.0,              // 可选，引导比例
    "base_seed": 42,                        // 可选，随机种子
    "task_id": "my_custom_id"               // 可选，自定义任务ID
}

响应:

{
    "task_id": "a1b2c3d4e5f6",       // 用于查询状态
    "status": "queued",
    "prompt": "A cinematic scene...",
    "size": "1280*720",
    "frame_num": 81,
    "message": "task submitted",
    "check_url": "/api/task?task_id=a1b2c3d4e5f6"
}

2. 查询任务状态

GET /api/task?task_id=a1b2c3d4e5f6

响应 (PENDING):

{
    "status": "PENDING",
    "created_at": 1712345678.0,
    "started_at": null,
    "finished_at": null
}

响应 (SUCCEEDED):

{
    "status": "SUCCEEDED",
    "task_id": "a1b2c3d4e5f6",
    "video_url": "/idfile?path=a1b2c3d4e5f6.mp4",
    "video_path": "/data/ymq/wan22-outputs/a1b2c3d4e5f6.mp4",
    "size": "1280*720",
    "frame_num": 81,
    "file_size": 12345678,
    "prompt": "A cinematic scene...",
    "seed": 42,
    "created_at": 1712345678.0,
    "started_at": 1712345680.0,
    "finished_at": 1712345900.0
}

响应 (FAILED):

{
    "status": "FAILED",
    "task_id": "a1b2c3d4e5f6",
    "error": "CUDA out of memory",
    "created_at": 1712345678.0
}

3. 服务状态

GET /api/status

{
    "service": "wan22-video-generation",
    "model": "Wan2.2-TI2V-5B",
    "gpu_id": 2,
    "gpus": [
        {"id": 0, "util": 23, "mem_used": 5120, "mem_total": 24564},
        {"id": 1, "util": 0, "mem_used": 4, "mem_total": 24564},
        {"id": 2, "util": 45, "mem_used": 8192, "mem_total": 24564}
    ]
}

视频下载

生成完成后，通过 video_url 下载视频：

GET /idfile?path=a1b2c3d4e5f6.mp4

或在浏览器中拼接 URL：

http://<server>:8079/idfile?path=a1b2c3d4e5f6.mp4

部署

# 启动
cd ~/wan22-service
WAN22_GPU_ID=2 ./start.sh

# 停止
./stop.sh

# 查看日志
tail -f wan22-service.log

环境变量:

• WAN22_GPU_ID: GPU 设备号 (默认 2)

文件结构

wan22-service/
├── ah.py                     # 主入口: ahserver + longtasks 初始化
├── app/
│   └── api/
│       ├── submit/index.dspy # POST /api/submit - 提交任务
│       ├── task/index.dspy   # GET  /api/task  - 查询状态
│       └── status/index.dspy # GET  /api/status - 服务状态
├── conf/
│   └── config.json           # ahserver 配置 (端口 8079)
├── workers/
│   ├── generate.py           # 任务执行逻辑 (惰性加载 Wan22)
│   └── wan22_wrapper.py      # Wan22 类 (OpenAI 风格封装)
├── repo/                     # Wan2.2 推理代码
├── py3/                      # Python venv
├── start.sh / stop.sh
├── skill/                    # Hermes skill 文档
├── README.md
└── wan22-service.log

Dependencies

• ahserver (Web framework)
• longtasks (Async task queue via Redis)
• sqlor (Optional, for database operations)
• torch + torchvision (GPU inference)
• wan (Wan2.2 repo, local at repo/wan/)