WAN 2.2 er en moderne, open-source-generativ AI videomodel udviklet af Alibabas Damo Academy. Det er en stor opgradering af den grundlæggende WAN-videodelserie, der er designet for at skabe filmvideoer af høj kvalitet fra tekst- og billedprompts. Modellen er kendt for sin avancerede bevægelsesgeneration og estetiske kontrol.

WAN 2.2 er tilgængelig i flere versioner med forskellige muligheder. De kerneopensource-modeller omfatter den effektive TI2V-5B-model, som støtter både tekst-til-video (T2V) og billed-til-video (I2V) ved 720p opløsning og kan køre på forbrugerklasse GPUer. Der er også mere kraftige 14B-modeller, såsom T2V-A14B og I2V-A14B, som anvender en blanding af eksperter (MoE) arkitektur for bedre kvalitet og præstation, der er egnet til mere robust hardware.

WAN 2.2 udstedes på grund af sin innovative arkitektur af eksperter (MoE), som adskiller afvisningsprocessen i specialiserede faser for bedre præstationer uden en betydelig stigning i beregningsomkostningerne. Den har også estetisk kontrol på kinematisk niveau, en evne til at generere kompleks og flydende bevægelser og en første-sidste ramme til video (FLF2V) funktion, der skaber glatte overgange mellem to billeder. Denne open-source-karakter giver mulighed for fællesskabsdriven finjustering og integration.

Som open-source-model afhænger sikkerheden for WAN 2.2 i høj grad af, hvordan den gennemføres og anvendes. Udviklerne har fastsat en anvendelsespolitik, der forbyder generering af ulovligt, skadeligt eller vildledende indhold. Selv om modellen ikke har et indbygget indholdsmoderationssystem, forventes udviklere og platforme, der anvender WAN 2.2, at gennemføre deres egne sikkerhedsforanstaltninger for at sikre ansvarlig anvendelse og overholdelse af retlige og etiske standarder.

WAN 2.2 er meget optimeret for hastighed, især sin Ti2V-5B-model, som er en af de hurtigste tilgængelige ved 720p opløsning og 24fps. En 5-sekunds video kan genereres på blot få minutter på en forbrugerGPU som en RTX 4090, med mere kraftig hardware, der giver endnu hurtigere resultater. Hastigheden øges yderligere af dens effektive arkitektur af eksperter (MoE).

WAN 2.2 er primært en udviklerfokuseret, open-source-model. Den har ikke en officiel, specialiseret mobilapp fra sin producent. Da det er open source, kan udviklere imidlertid integreres det i mobilvenlige webapplikationer eller oprette deres egne mobilapplikationer. Dens GPU-kompatibilitet i forbrugerklasse gør den også mere tilgængelig for brugere med mobile arbejdsstationer.

WAN 2.2 er i stand til at generere en lang række videoindhold, fra kortformige reklamer og sociale medier til filmscener og animationer. Dens muligheder omfatter tekst-til-video, billed-til-video og billedbaseret in-maling. Brugerne kan generere videoer med specifikke kameravægelser, præcise estetiske stiler og realistisk bevægelse af tegn og objekter, hvilket gør det til et mångsidigt værktøj til både tekniske og kreative projekter.

Den mest almindelige måde at bruge WAN 2.2 er ved at downloade modelfilerne og køre dem lokalt på en kompatible maskin, ofte med integration gennem platforme som Comfyui eller diffuser. For en mere tilgængelig erfaring er modellen tilgængelig via cloud API-leverandører. Der er også mulighed for at prøve WAN 2.2 gratis gennem Vizard-platformen, som giver en online-grænseflader til at forsøge med modellens muligheder.