Wan2.2-I2V-A14B实操手册：output路径自定义+批量视频导出脚本编写

Wan2.2-I2V-A14B实操手册output路径自定义批量视频导出脚本编写1. 环境准备与快速部署在开始之前请确保你已经按照以下步骤完成了Wan2.2-I2V-A14B镜像的部署# 进入工作目录 cd /workspace # 启动WebUI服务 bash start_webui.sh服务启动后你可以通过浏览器访问http://localhost:7860来使用可视化界面。不过本文将重点介绍如何通过命令行和脚本进行更灵活的操作。2. 理解默认输出路径默认情况下所有生成的视频文件都会保存在/workspace/output/目录下。这个路径在infer.py脚本中硬编码设置# infer.py中的默认输出路径设置 DEFAULT_OUTPUT_DIR /workspace/output/这种设计虽然简单但在实际生产环境中可能会遇到以下问题输出文件与其他用户或项目混在一起磁盘空间不足时无法灵活调整存储位置批量处理时难以组织输出文件3. 自定义输出路径的三种方法3.1 方法一命令行参数指定最直接的方式是通过--output参数指定完整路径python infer.py \ --prompt 城市夜景延时摄影车流灯光轨迹30秒时长 \ --output /mnt/external_disk/videos/city_night.mp4 \ --duration 30 \ --resolution 1920x10803.2 方法二修改脚本默认路径如果需要永久修改默认路径可以编辑infer.py文件# 修改infer.py中的默认路径 DEFAULT_OUTPUT_DIR /mnt/your_custom_path/output/修改后需要重启服务才能生效# 停止当前服务 pkill -f python infer.py # 重新启动 bash start_api.sh3.3 方法三环境变量配置更灵活的方式是通过环境变量动态设置路径# 设置环境变量 export WAN2_OUTPUT_DIR/mnt/video_storage/ # 使用环境变量 python infer.py \ --prompt 森林中的晨雾阳光透过树叶 \ --output ${WAN2_OUTPUT_DIR}morning_forest.mp44. 批量视频生成脚本编写当需要批量生成多个视频时手动一个个执行命令效率太低。下面介绍几种自动化方案。4.1 基础批量脚本创建一个batch_generate.sh脚本#!/bin/bash # 定义输出目录 OUTPUT_DIR/mnt/batch_output/ mkdir -p $OUTPUT_DIR # 提示词列表 PROMPTS( 日出时分的海滩海浪轻拍岸边4K画质 都市黄昏高楼大厦的剪影电影感 雪中森林飘落的雪花慢镜头 ) # 批量生成 for i in ${!PROMPTS[]}; do echo 正在生成视频 $((i1))/${#PROMPTS[]}... python infer.py \ --prompt ${PROMPTS[$i]} \ --output ${OUTPUT_DIR}video_$((i1)).mp4 \ --duration 15 \ --resolution 3840x2160 done echo 批量生成完成视频保存在 $OUTPUT_DIR使用方式chmod x batch_generate.sh ./batch_generate.sh4.2 带参数校验的增强版更健壮的脚本应该包含参数校验和错误处理#!/bin/bash # 配置检查 if [ ! -d /workspace ]; then echo 错误未找到/workspace目录请确认镜像部署正确 exit 1 fi # 输出目录设置 OUTPUT_BASE${1:-/mnt/batch_output} mkdir -p $OUTPUT_BASE || { echo 无法创建输出目录 $OUTPUT_BASE exit 1 } # 从文件读取提示词 PROMPT_FILEprompts.txt if [ ! -f $PROMPT_FILE ]; then echo 错误未找到提示词文件 $PROMPT_FILE exit 1 fi # 逐行处理 LINE_NUM0 while IFS read -r prompt; do ((LINE_NUM)) [ -z $prompt ] continue echo 处理第 $LINE_NUM 个提示词: $prompt # 生成文件名 output_file${OUTPUT_BASE}/output_${LINE_NUM}_$(date %s).mp4 # 执行生成命令 python infer.py \ --prompt $prompt \ --output $output_file \ --duration 10 \ --resolution 1920x1080 \ || echo 警告第 $LINE_NUM 个视频生成失败 done $PROMPT_FILE echo 批量处理完成共处理 $LINE_NUM 个提示词4.3 并行处理脚本为了充分利用RTX 4090D的性能可以使用并行处理#!/bin/bash # 最大并行进程数 MAX_JOBS4 # 输出目录 OUTPUT_DIR/mnt/parallel_output/ mkdir -p $OUTPUT_DIR # 提示词数组 declare -A PROMPTS( [1]繁忙的火车站人群穿梭动态模糊效果 [2]微观世界的水滴慢动作特写 [3]沙漠中的沙丘风吹沙动 [4]海底珊瑚礁热带鱼群游动 ) # 并行生成函数 generate_video() { local id$1 local prompt$2 local output_file${OUTPUT_DIR}parallel_${id}.mp4 echo 启动任务 $id: $prompt python infer.py \ --prompt $prompt \ --output $output_file \ --duration 8 \ --resolution 2560x1440 } # 启动并行任务 for id in ${!PROMPTS[]}; do while [ $(jobs -r | wc -l) -ge $MAX_JOBS ]; do sleep 1 done generate_video $id ${PROMPTS[$id]} done # 等待所有任务完成 wait echo 所有并行任务已完成5. 输出文件管理策略随着视频文件增多需要建立有效的管理策略。5.1 按日期组织文件修改批量脚本自动按日期创建子目录#!/bin/bash # 按日期创建输出目录 OUTPUT_ROOT/mnt/video_output/ TODAY$(date %Y%m%d) OUTPUT_DIR${OUTPUT_ROOT}${TODAY}/ mkdir -p $OUTPUT_DIR # ...其余脚本内容保持不变...5.2 自动清理旧文件添加自动清理功能保留最近N天的文件#!/bin/bash # 保留最近7天的文件 DAYS_TO_KEEP7 OUTPUT_ROOT/mnt/video_output/ # 清理旧文件 find $OUTPUT_ROOT -type d -mtime $DAYS_TO_KEEP -exec rm -rf {} \; # ...其余脚本内容...5.3 生成元数据文件为每个视频生成对应的描述文件#!/bin/bash # ...在生成视频后添加... # 生成元数据 metadata_file${output_file}.meta echo 提示词: $prompt $metadata_file echo 生成时间: $(date) $metadata_file echo 参数: 时长10秒, 分辨率1920x1080 $metadata_file6. 总结与最佳实践通过本文介绍的方法你可以灵活管理Wan2.2-I2V-A14B的输出路径并实现批量视频生成。以下是一些最佳实践建议路径选择优先使用高速SSD作为输出目录特别是处理4K视频时批量处理根据显存大小合理设置并行任务数RTX 4090D建议不超过4个并行文件管理建立规范的目录结构和清理策略避免磁盘空间耗尽日志记录为每个批量任务记录详细的生成日志方便问题排查性能监控使用nvidia-smi监控GPU使用情况优化批量任务调度# 监控GPU使用情况 watch -n 1 nvidia-smi获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。