报错根因与完整修复方案

一、核心报错定位（最关键行）

plaintext

ValueError: Couldn't instantiate the backend tokenizer from one of:
You need to have sentencepiece or tiktoken installed to convert a slow tokenizer to a fast one.

直白原因：加载 Wan2.2 文生视频模型时，transformers 尝试把慢速分词器转为Fast Tokenizer，但环境缺少依赖包 sentencepiece / tiktoken，子进程 DiffusionWorker 直接崩溃，主进程 multiprocessing 管道断连抛出后续一堆 EOFError 连锁报错。

二、一键安装缺失依赖（优先执行）

方式 1：uv 环境（你日志里用 uv 管理 python）

bash

运行

uv pip install sentencepiece tiktoken

方式 2：venv 虚拟环境

bash

运行

source /mnt/c/Users/AI-Space001/.venv/bin/activate
pip install sentencepiece tiktoken

三、如果装完依旧报错：强制禁用 Fast 分词器

方案 A：启动命令加环境变量（推荐，不改源码）

启动服务前注入环境变量：

bash

运行

export TOKENIZERS_PARALLELISM=false
export TRANSFORMERS_NO_ADVISORY_WARNINGS=true
# 关键：强制使用slow tokenizer，不自动转fast
export USE_FAST_TOKENIZER=False

再执行原 vllm-omni serve 启动命令。

方案 B：修改源码兜底（pipeline_wan2_2.py 第 362 行）

原代码：

python

运行

self.tokenizer = from_pretrained_with_prefetch(

修改为强制关闭 fast：

python

运行

self.tokenizer = from_pretrained_with_prefetch(
    ...,
    use_fast=False
)

四、其他排查点（容易踩坑）

1. 模型文件完整性 Wan2.2 分词器目录下必须存在 tokenizer_config.json、vocab.json、spiece.model，如果模型下载不全、文件缺失，即使装了包也会报同样错误，重新拉取完整模型权重。
2. 多进程多线程冲突 日志是多进程 DiffusionWorker 启动失败，加上 TOKENIZERS_PARALLELISM=false 关闭分词器多线程，避免 fork 进程锁冲突。
3. Python 版本兼容 你使用 Python3.12，transformers 版本如果过新 / 过旧也会兼容问题，锁定稳定版：

bash

运行

pip install transformers==4.44.2

五、最简操作步骤总结

1. 进入虚拟环境，安装依赖：pip install sentencepiece tiktoken
2. 终端执行环境变量：export USE_FAST_TOKENIZER=False
3. 重启 vllm-omni 服务即可。