WAN 2.2 är en toppmodell, generativ AI videomodell som utvecklats av Alibabas Damo Academy. Det är en stor uppgradering till den grundläggande WAN videomodellserien, utformad för att skapa högkvalitativa filmvideor från text- och bilduppdrag. Modellen är känd för sin avancerade rörelsens generation och estetiska kontroller.

WAN 2.2 finns i flera versioner med olika funktioner. Kärna med öppen källmodeller innehåller den effektiva Ti2V-5B-modellen, som stöder både text-to-video (T2V) och bild-to-video (I2V) med 720p upplösning och kan köra på konsumentkvalitetsprocesser. Det finns också kraftfulla 14B-modeller, t.ex. T2V-A14B och i2V-A14B, som använder en MoE arkitektur för högre kvalitet och prestanda, lämplig för mer robust maskinvara.

WAN 2.2 framgår av sin innovativa Mix-of-experts arkitektur, som skiljer aviseringsprocessen i specialiserade stadier för bättre prestanda utan en betydande ökning av beräkningskostnaderna. Den har också cinematiska estetiska kontroller, en förmåga att generera komplex och vätskap rörelse och en första-sista frame-till video (FLF2V) funktion som skapar smidiga övergångar mellan två bilder. Dess open source naturen gör det möjligt att finjustera och integrera gemenskapsdriven.

Som en öppen källkod beror säkerheten för WAN 2.2 i stor utsträckning på hur den implementeras och används. Utvecklarna har fastställt en användningspolitik som förbjuder generering av olagligt, skadligt eller vilseledande innehåll. Samtidigt som modellen inte har ett inbyggd innehållsmoderat system förväntas utvecklare och plattformar som använder WAN 2.2 genomföra sina egna garantier för att säkerställa ansvarsfull användning och efterlevnad av rättsliga och etiska standarder.

WAN 2.2 är mycket optimerad för hastighet, särskilt dess Ti2V-5B-modell, som är en av de snabbaste tillgängliga med 720p upplösning och 24fps. En 5-sekunders video kan genereras på bara några minuter på en konsumentGPU som en RTX 4090, med kraftfulla maskinvara som erbjuder ännu snabbare resultat. Snabbheten ökar ytterligare genom sin effektiva blandning av experter (MoE) arkitektur.

WAN 2.2 är främst en utvecklarfokuserad, öppen källkod modell. Den har ingen officiell, dedikerad mobilapp från sin producent. Men eftersom det är öppen källkod kan utvecklare integreras i mobilvänliga webbapplikationer eller skapa sina egna mobilapplikationer. Dess konsumentkvalitet GPU-kompatibilitet gör det också mer tillgänglig för användare med högklassiga mobilarbetsstationer.

WAN 2.2 kan generera ett brett utbud av videoinnehåll, från kortformliga annonser och sociala medier till filmscener och animationer. Dess funktioner inkluderar text-to-video, bild-to-video och bild-baserad in-målning. Användarna kan generera videor med specifika kamerörörelser, exakta estetiska stilar och realistiska rörelser för tecken och objekt, vilket gör det till ett mångsidigt verktyg för både tekniska och kreativa projekt.

Det vanligaste sättet att använda WAN 2.2 är genom att ladda ner modellfilerna och köra dem lokalt på en kompatibel maskin, ofta med integration via plattformar som Comfyui eller diffuser. För en mer tillgänglig upplevelse finns modellen via molnAPI-leverantörer. Det finns också möjlighet att prova WAN 2.2 gratis via Vizard plattformen, som ger ett online-gränssnitt för att experimentera med modellens funktioner.