Wan2.2 视频生成模型说明

用途与主要变化

Wan2.2 是视频生成基础模型的升级版本。据来源页面说明，其核心变化包括：

• 在视频扩散模型中引入混合专家（MoE）架构，按不同时间步分离去噪过程，在维持计算成本的同时扩大模型容量。
• 使用带光照、构图、对比度、色调等标签的美学数据，支持更可控的电影风格生成。
• 相比 Wan2.1，训练图像增加 65.6%、视频增加 83.2%，来源称其在动作、语义与美学维度上有更好泛化。
• 开源 5B 的 TI2V 模型，采用 16×16×4 压缩比的 VAE，支持 720P、24fps 的文生视频与图生视频，来源称可在 RTX 4090 级别显卡运行。

可用的模型与任务

来源列出的模型包括 T2V-A14B、I2V-A14B、TI2V-5B、S2V-14B 与 Animate-14B，分别对应文生视频、图生视频、文图生视频、语音驱动视频以及角色动画与替换。Animate-14B 提供基于参考视频与角色图像的动画和替换两种模式。

适用场景

适合需要开源视频生成能力的研究与工程场景，例如文生视频、图生视频、语音驱动人物视频、角色动作迁移。官方已提供 ComfyUI 与 Diffusers 集成，并有 LightX2V、DiffSynth-Studio 等社区加速与训练方案。

限制与待核实

来源信息在 Animate 预处理命令处被截断，完整的运行步骤与依赖说明无法确认。页面给出的显存与速度数据为项目方自述，未经过独立验证。新闻中的日期仅代表各次发布或集成的来源时间，不代表当前时间。