模型介绍
中文整理Wan2.2
Model use case
Wan2.2是一个大规模视频生成模型系列，支持多种生成任务：文本到视频、图像到视频、文本图像到视频、语音到视频以及角色动画和替换。
主要能力
有效MoE架构：采用专家混合架构，将去噪过程按时间步分离，由专门的专家模型处理，从而在保持相同计算成本的情况下增大模型总容量。A14B系列采用双专家设计，高噪声专家处理早期阶段（关注整体布局），低噪声专家处理后期阶段（细化视频细节）。每个专家约14B参数，总计27B参数，但每步仅激活14B参数。
电影级美学：包含经过精心筛选的美学数据，标注了灯光、构图、对比度、色彩色调等详细信息，支持更精准可控的电影风格生成。
复杂运动生成：训练数据比Wan2.1增加了65.6%的图片和83.2%的视频，显著提升了模型在运动、语义和美学等多个维度的泛化能力。
高效高清混合TI2V：开源5B模型，采用Wan2.2-VAE，压缩比为16×16×4。支持文本到视频和图像到视频生成，分辨率720P、帧率24fps。可以在消费级显卡（如4090）上运行，是目前最快的720P@24fps模型之一。
输入输出
T2V-A14B：文本到视频MoE模型，支持480P和720P
I2V-A14B：图像到视频MoE模型，支持480P和720P
TI2V-5B：高压缩VAE，文本到视频和图像到视频双模式，支持720P
S2V-14B：语音到视频模型，支持480P和720P
Animate-14B：角色动画和替换模型
运行要求
单GPU和多GPU推理均支持。5B模型可在单张消费级GPU（如4090）上运行，无需特殊优化即可在9分钟内生成5秒720P视频。14B模型建议使用多GPU配置以获得更优性能。
基本用法
Wan-Animate模型接受一段视频和一张角色图片作为输入，生成"动画"或"替换"模式下的视频。动画模式下，模型生成的角色图片视频会模仿输入视频中的人物动作；替换模式下，模型用输入视频替换角色图片。
使用前需对输入视频进行预处理，具体流程请参考用户指南。
许可证
本仓库中的模型采用Apache 2.0许可证授权。对用户生成的内容不主张任何权利，用户可自由使用，但使用必须符合许可证条款。用户需对模型使用承担全部责任，不得用于分享违法内容、伤害个人或群体、传播用于伤害的个人信息、传播虚假信息或针对弱势群体。如需了解完整的权利限制和详情，请参阅许可证全文。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。