Wan 2.2 adalah model video ai generatif sumber terbuka yang canggih yang dikembangkan oleh akademi damo alibaba. Ini adalah peningkatan besar ke seri model video wan dasar, yang dirancang untuk membuat video sinematik berkualitas tinggi dari teks dan petunjuk gambar. Model ini dikenal karena generasi gerakan canggih dan kontrol estetika.

Wan 2.2 tersedia dalam beberapa versi dengan kemampuan berbeda. Model sumber terbuka inti mencakup model ti2v-5b yang efisien, yang mendukung teks-ke-video (T2V) dan gambar-ke-video (I2V) pada resolusi 720p dan dapat berjalan di gpus kelas konsumen. Ada juga model 14b yang lebih kuat, seperti t2v-a14b dan i2v-a14b, yang menggunakan arsitektur mixed-of-experts (MoE) untuk kualitas dan kinerja yang unggul, cocok untuk perangkat keras yang lebih kuat.

Wan 2.2 menonjol karena arsitektur campuran ahli (MoE) yang inovatif, yang memisahkan proses denoising menjadi tahap khusus untuk kinerja yang lebih baik tanpa peningkatan biaya komputasi yang signifikan. Ia juga menampilkan kontrol estetika tingkat sinematik, kemampuan untuk menghasilkan gerakan yang kompleks dan cair, dan fungsi frame ke video pertama terakhir (FLF2V) yang menciptakan transisi mulus antara dua gambar. Sifat sumber terbuka memungkinkan penyesuaian dan integrasi yang didorong oleh komunitas.

Sebagai model sumber terbuka, keamanan wan 2.2 sangat tergantung pada bagaimana model tersebut diimplementasikan dan digunakan. Pengembang telah menetapkan kebijakan penggunaan yang melarang pembangkitan konten ilegal, berbahaya, atau menyesatkan. Meskipun model itu sendiri tidak memiliki sistem moderasi konten bawaan, pengembang dan platform yang menggunakan wan 2.2 diharapkan untuk menerapkan perlindungan mereka sendiri untuk memastikan penggunaan yang bertanggung jawab dan kepatuhan terhadap standar hukum dan etika.

Wan 2.2 sangat dioptimalkan untuk kecepatan, terutama model ti2v-5bnya, yang merupakan salah satu model tercepat yang tersedia pada resolusi 720p dan 24fps. Video 5 detik dapat dihasilkan hanya dalam beberapa menit di gpu konsumen seperti rtx 4090, dengan perangkat keras yang lebih kuat menawarkan hasil yang lebih cepat. Kecepatannya semakin ditingkatkan oleh arsitektur campuran ahli (MoE) yang efisien.

Wan 2.2 terutama adalah model sumber terbuka yang berfokus pada pengembang. Ia tidak memiliki aplikasi seluler resmi dan khusus dari produsennya. Namun, karena ini adalah sumber terbuka, pengembang dapat mengintegrasikannya ke dalam aplikasi web yang ramah seluler atau membuat aplikasi seluler mereka sendiri. Kompatibilitas gpu kelas konsumen juga membuatnya lebih mudah diakses oleh pengguna dengan stasiun kerja seluler kelas atas.

Wan 2.2 mampu menghasilkan beragam konten video, mulai dari iklan bentuk pendek dan klip media sosial hingga adegan sinematik dan animasi. Kemampuannya meliputi teks-ke-video, gambar-ke-video, dan dalam lukisan berbasis gambar. Pengguna dapat menghasilkan video dengan gerakan kamera tertentu, gaya estetika yang tepat, dan gerakan realistis untuk karakter dan objek, menjadikannya alat serbaguna untuk proyek teknis dan kreatif.

Cara paling umum untuk menggunakan wan 2.2 adalah dengan mengunduh file model dan menjalankannya secara lokal pada mesin yang kompatibel, seringkali dengan integrasi melalui platform seperti comfyui atau diffuser. Untuk pengalaman yang lebih mudah diakses, model ini tersedia melalui penyedia api cloud. Ada juga kesempatan untuk mencoba wan 2.2 secara gratis melalui platform vizard, yang menyediakan antarmuka online untuk bereksperimen dengan kemampuan model.