Wan 2.2 by Alibaba Wan AI

主要功能

• 文本到视频（Text to Video）：基于文本描述生成高质量视频
• 图像到视频（Image to Video）：将静态图像转换为动态视频
• 首尾帧控制：支持指定起始帧和结束帧生成中间过渡
• 高级控制功能：提供精确的视频生成控制和创意选项
• 角色参考与动作参考：结合角色风格和参考动作创建个性化视频内容

技术特点

• SOTA性能：在多个基准测试中超越现有开源模型和商业解决方案
• 消费级GPU支持：T2V-1.3B模型仅需8.19GB显存，兼容几乎所有消费级GPU
• 多任务能力：在文本到视频、图像到视频、视频编辑、文本到图像和视频到音频等任务上表现优异
• 视觉文本生成：首个能够生成中英文文本的视频模型
• 强大的视频VAE：Wan-VAE提供卓越的效率和性能，能够编码和解码任意长度的1080P视频

模型版本

• Wan2.2-I2V：14B参数模型，支持480P和720P分辨率
• Wan2.2-T2V：14B参数模型，支持480P和720P分辨率
• Wan2.2-T2V-1.3B：轻量级版本，适合消费级GPU
• Wan2.2-FLF2V-14B-720P：首尾帧到视频生成模型

典型应用场景

• 复杂动作生成：擅长生成包含大量身体动作、复杂旋转、动态场景转换和流畅相机运动的逼真视频
• 物理模拟：生成准确模拟现实世界物理和真实物体交互的视频
• 电影级质量：提供电影般的视觉效果，具有丰富的纹理和多种风格化效果
• 可控编辑：具有通用编辑模型，可使用图像或视频参考进行精确编辑

使用说明

用户可以通过网页界面输入文本描述或上传图像来生成视频，支持智能扩展和安全检查功能。生成一个5秒480P视频需要130 credits，在RTX 4090上约需4分钟。

目标用户

专业内容创作者、视频制作人员、设计师、开发者和企业用户，以及希望尝试AI视频生成的普通用户。

核心优势

• 开源可用，降低使用门槛
• 支持消费级硬件，便于广泛部署
• 多功能集成，一模型多用途
• 高质量输出，媲美商业解决方案
• 中英文文本支持，应用场景广泛