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 $((i+1))/${#PROMPTS[@]}..." python infer.py \ --prompt "${PROMPTS[$i]}" \ --output "${OUTPUT_DIR}video_$((i+1)).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 $OUTPUT_BASE" exit 1 } # 从文件读取提示词 PROMPT_FILE="prompts.txt" if [ ! -f "$PROMPT_FILE" ]; then echo "错误：未找到提示词文件 $PROMPT_FILE" exit 1 fi # 逐行处理 LINE_NUM=0 while IFS= read -r prompt; do ((LINE_NUM++)) [ -z "$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 $LINE_NUM 个提示词"4.3 并行处理脚本
为了充分利用RTX 4090D的性能，可以使用并行处理：
#!/bin/bash # 最大并行进程数 MAX_JOBS=4 # 输出目录 OUTPUT_DIR="/mnt/parallel_output/" mkdir -p "$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_KEEP=7 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_file"6. 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。