Wan 2.2 е най-съвременен генеративен AI видео модел с отворен код, разработен от Damo Academy на Alibaba. това е голямо надграждане на основната серия от видео модели wan, предназначена да създава висококачествени, кинематографични видеоклипове от текстови и изображителни подкани. моделът е известен със своето усъвършенствано генериране на движение и естетически контрол.

Wan 2.2 се предлага в няколко версии с различни функции. основните модели с отворен код включват ефективния ти2v-5b модел, който поддържа както текст към видео (T2V), така и изображение към видео (I2V) при разделителна способност 720p и може да работи на gpus от потребителски клас. има и по-мощни модели 14b, като t2v-a14b и i2v-a14b, които използват архитектура от смес от експерти (MoE) за превъзходно качество и производителност, подходяща за по-стабилен хардуер.

Wan 2.2 се откроява поради своята иновативна архитектура на смес от експерти (MoE), която разделя процеса на обозначаване на шума на специализирани етапи за по-добра производителност без значително увеличение на изчислителните разходи. той също така разполага с естетически контроли на кинематографско ниво, възможност за генериране на сложно и течно движение и функция от първи последен кадър към видео (FLF2V), която създава плавни преходи между две изображения. неговият характер с отворен код позволява фина настройка и интеграция, управлявана от общността.

като модел с отворен код, безопасността на wan 2.2 до голяма степен зависи от това как се внедрява и използва. разработчиците са установили политика за използване, която забранява генерирането на незаконно, вредно или подвеждащо съдържание. докато самият модел няма вградена система за модериране на съдържанието, разработчиците и платформите, използващи wan 2.2, се очаква да прилагат свои собствени предпазни мерки, за да гарантират отговорно използване и спазване на правните и етични стандарти.

Wan 2.2 е силно оптимизиран за скорост, особено неговият модел ti2v-5b, който е един от най-бързите налични при разделителна способност 720p и 24 fps. 5-секундно видео може да бъде генерирано само за няколко минути на потребителски графичен процесор като rtx 4090, като по-мощен хардуер предлага още по-бързи резултати. скоростта се подобрява допълнително от нейната ефективна архитектура на смес от експерти (MoE).

Wan 2.2 е предимно модел с отворен код, фокусиран върху разработчиците. той няма официално, специално мобилно приложение от своя производител. обаче, тъй като е с отворен код, разработчиците могат да го интегрират в удобни за мобилни уеб приложения или да създадат свои собствени мобилни приложения. неговата GPU съвместимост от потребителски клас също го прави по-достъпен за потребителите с мобилни работни станции от висок клас.

Wan 2.2 е способен да генерира голямо разнообразие от видео съдържание, от кратки реклами и клипове в социалните медии до киносцени и анимации. възможностите му включват текст към видео, изображение към видео и вътрешно рисуване, базирано на изображения. потребителите могат да генерират видеоклипове със специфични движения на камерата, прецизни естетически стилове и реалистични движения за герои и обекти, което го прави универсален инструмент както за технически, така и за творчески проекти.

най-често срещаният начин за използване на wan 2.2 е като изтеглите файловете на моделите и ги стартирайте локално на съвместима машина, често с интеграция чрез платформи като comfyui или дифузори. за по-достъпно изживяване, моделът е достъпен чрез доставчици на облачни API. има и възможност да опитате wan 2.2 безплатно чрез платформата vizard, която предоставя онлайн интерфейс за експериментиране с възможностите на модела.