Wan 2.2 ist das fortschrittlichste Open-Source-Videomodell für generative künstliche Intelligenz, das von der Alibaba Dharma Academy entwickelt wurde. Dies ist ein bedeutendes Upgrade der Basis-Wan-Videomodell-Serie, die darauf abzielt, qualitativ hochwertige Filmvideos basierend auf Text- und Bildaufforderungen zu erstellen. Das Modell ist bekannt für seine fortschrittliche Bewegungsgeneration und ästhetische Steuerung.

Es gibt mehrere Versionen von Wan 2.2 mit unterschiedlichen Funktionen. Zu den zentralen Open-Source-Modellen gehört das effiziente TI2V-5B-Modell, das sowohl Text-zu-Video (T2V) als auch Bild-zu-Video (I2V) in 720p-Auflösung unterstützt und auf Verbraucher-GPUs ausgeführt werden kann. Es gibt auch leistungsfähigere 14B-Modelle wie das T2V-A14B und das I2V-A14B, die eine Expert Hybrid (MoE) Architektur für hervorragende Qualität und Leistung nutzen und für robustere Hardware geeignet sind.

Wan 2.2 zeichnet sich durch seine innovative Expert Hybrid (MoE)-Architektur aus, die den Rauschunterdrückungsprozess in spezielle Phasen unterteilt, um eine bessere Leistung zu erzielen, ohne die Rechenkosten wesentlich zu erhöhen. Es verfügt außerdem über ästhetische Kontrollen auf kinematischem Niveau, die in der Lage sind, komplexe und flüssige Bewegungen zu erzeugen, und eine Funktion zum ersten Bild-to-Video (FLF2V), die einen reibungslosen Übergang zwischen zwei Bildern ermöglicht. Seine Open-Source-Natur ermöglicht Community-getriebene Feinabstimmung und Integration.

Als Open-Source-Modell hängt die Sicherheit von Wan 2.2 weitgehend davon ab, wie es implementiert und verwendet wird. Der Entwickler hat eine Nutzungsrichtlinie eingeführt, die die Generierung illegaler, schädlicher oder irreführender Inhalte verbietet. Obwohl das Modell selbst kein integriertes Content-Moderationssystem hat, sollten Entwickler und Plattformen, die Wan 2.2 verwenden, ihre eigenen Sicherheitsmaßnahmen implementieren, um eine verantwortungsvolle Nutzung und die Einhaltung rechtlicher und ethischer Standards zu gewährleisten.

Der Wan 2.2 ist hoch für Geschwindigkeit optimiert, insbesondere mit seinem TI2V-5B Modell, das eines der schnellsten bei 720p Auflösung und 24fps ist. Auf einer Verbraucher-GPU wie der RTX 4090 kann ein 5-Sekunden-Video in nur wenigen Minuten generiert werden, und leistungsfähigere Hardware liefert schnellere Ergebnisse. Seine effiziente Expert Hybrid (MoE) Architektur erhöht die Geschwindigkeit weiter.

Wan 2.2 ist in erster Linie ein Entwickler-zentriertes Open-Source-Modell. Es hat keine offizielle dedizierte mobile App von seinem Hersteller. Da es jedoch Open Source ist, können Entwickler es in mobilfreundliche Webanwendungen integrieren oder ihre eigenen mobilen Anwendungen erstellen. Seine Verbraucher-GPU-Kompatibilität macht es auch für Benutzer mit High-End-mobilen Workstations leichter zu verwenden.

Wan 2.2 ist in der Lage, eine Vielzahl von Videoinhalten zu generieren, von kurzen Werbeanzeigen und Social-Media-Clips bis hin zu Filmszenen und Animationen. Zu seinen Funktionen gehören Text-zu-Video, Bild-zu-Video und bildbasierte Malerei. Benutzer können Videos mit spezifischen Kamerabewegungen, präzisen ästhetischen Stilen und realistischen Bewegungen von Charakteren und Objekten generieren, was es zu einem vielseitigen Werkzeug für technische und kreative Projekte macht.

Die häufigste Möglichkeit, Wan 2.2 zu verwenden, besteht darin, die Modelldateien herunterzuladen und sie auf einem lokal kompatiblen Computer auszuführen, normalerweise integriert über Plattformen wie ComfyUI oder Diffusers. Für eine besser zugängliche Erfahrung ist das Modell über einen Cloud-API-Anbieter verfügbar. Darüber hinaus besteht die Möglichkeit, Wan 2.2 kostenlos über die Vizard-Plattform zu testen, die eine Online-Schnittstelle zum Experimentieren mit den Funktionen des Modells bietet.