Wan2.2:开源大规模视频生成模型
开源视频生成模型系列,引入 MoE 架构分离去噪阶段,并提供文生视频、图生视频等模型的推理代码与权重。
Wan2.2 是 Wan 开源大规模视频生成模型的重大升级版本。其核心创新包括:将 Mixture-of-Experts 架构引入视频扩散模型,按时间步把去噪过程分配给专门的专家模型,在保持计算成本不变的情况下扩大模型容量;采用带光照、构图、对比度、色调等细致标注的美学数据以支持可控的电影感风格生成;训练数据较 Wan2.1 增加 65.6% 图像和 83.2% 视频。开源的 5B 模型使用压缩比 16×16×4 的 Wan2.2-VAE,支持 720P、24fps 的文生视频与图生视频,可在 4090 等消费级显卡上运行。仓库提供 A14B/14B/5B 等模型的多卡推理代码与权重,并已集成 ComfyUI 与 Diffusers;后续还发布了音频驱动的 Wan2.2-S2V-14B 和角色动画模型 Wan2.2-Animate-14B。