WAN 2.2 to model wideo generacyjny otwarte koda, opracowany przez akademię Damo z Alibaby. To znaczna upgrażenie do podstawowego serii modelu video WAN, zaprojektowanego do stworzenia wysokiej jakości filmowe filmowe z wskazów tekstowych i obrazu. Model jest znany ze zaawansowanych generacji ruchu i kontroli estetycznych.

WAN 2.2 jest dostępny w kilku wersji z różnymi zdolnościami. Modeli otwartowego koda obejmują efektywny model TI2V-5B, który wspiera zarówno tekst-to-video (T2V) jak i Image-to-Video (I2V) w rozezolucji 720p oraz może pracować na GPU klasie konsumentów. Istnieją również potężniejsze modele 14B, takie jak T2V-A14B i i2V-A14B, które używają architekturę mieszanego ekspertu (MoE) dla wyższej jakości i wykonywania, odpowiedniej dla bardziej robotnych sprzęt.

WAN 2.2 wyróżnia się z powodu innowacyjnej architektury mieszanej ekspertów (MoE), która rozdzieluje proces odszukowania na specjalne etapy w celu lepszego wykonywania bez znacznego wzrostu kosztów obliczanych. Zawiera również kontroli estetycznych na poziomie filmowym, zdolność generowania złożonego ruchu płynnego oraz funkcji pierwszego ostatnia frame do video (FLF2V), która tworzy gładkie przejście pomiędzy dwoma obrazkami. Jego charakter otwartowego koda pozwala na dokonanie naprawdę i integrację przez społeczność.

Jako model otwartowego koda bezpieczeństwa WAN 2.2 w dużej miejscu zależy od tego, jak jest realizowany i używany. Prowadzący ustanowili politykę użycia, która zakazuje tworzenie nielegalnych, szkodliwych lub błądliwych treści. Chociaż sam model nie ma wbudowanego systemu umierania treści, oczekuje się, że programy i platformy używające WAN 2.2 wdrożą własne gwarancje w celu zapewnienia odpowiedzialnego wykorzystania i zgodności z normami prawnych i etycznych.

WAN 2.2 jest wysokie optymalizowany dla prędkości, zwłaszcza jego modelu Ti2V-5B, który jest jednym z najszybszych dostępnych z rezolucją 720p i 24fps. Piętsekundne filmie można być generowane za kilka minut na GPU konsumentowym jak RTX 4090, a potężniejsze sprzęty oferujące jeszcze szybsze wyniki. Prędkość ta jest dalsze zwiększona przez efektywną architekturę mieszanego ekspertu (MoE).

WAN 2.2 jest głównie modelem otwartem skoncentrowanym na developer. Nie ma oficjalnej, specjalnej aplikacji komórkowej od swojej producenta. Jednak ponieważ jest to otwartym koda, programowcy mogą je zintegrować je do aplikacji internetowych przyjaznych do komórkowych lub stworzyć własne aplikacje Kompatibilność GPU z klasy konsumentów sprawia również bardziej dostępniejszym dla użytkowników z wysokiej stacji roboczej mobilnymi.

WAN 2.2 jest w stanie generować szerokie zróżnicowanie treści wideo, od reklamów krótkich formów i klip z mediami społecznych po scen i animacji. Jego możliwości obejmują tekst-to-video, obraz do obraz i obraz opartywano na obraz. Użytkowników mogą generować filmy z specyficznymi ruchami kamery, precyzyjnymi stylami estetycznymi oraz realistycznymi ruchami dla postawów i obiektów, czyni się z tym

Najczęściej wykorzystać WAN 2.2 jest zbiorenie pliku modelu i prowadzenie ich lokalnie na kompatibilnej maszynie, często z integracją poprzez platform takich jak Comfyui lub diffuser. W celu bardziej dostępnego doświadczenia model jest dostępny przez dostawców API chmurnych. Istnieje również szansa na darmo spróbowanie WAN 2.2 za pomocą platformy Vizard, która zapewnia interfaces online do eksperymentowania z możliwościami modelu.