Wan 2.2

Wan 2.2：领先的 AI 视频生成模型

Wan 2.2 是由阿里巴巴开发的 AI 创意平台，旨在通过人工智能降低创意工作的门槛。它提供文本到图像、图像到图像、文本到视频、图像到视频和图像编辑等功能。

什么是 Wan 2.2？

Wan 2.2 是阿里巴巴视觉生成模型的重大升级，现在已开源。此版本提供了增强的功能、更好的性能和卓越的视觉质量，重点在于整合了 MoE 架构、数据缩放、电影美学和高效高清混合 TI2V 等技术创新。

主要特性和功能：

• 电影视觉控制： 通过对光照、色彩和构图的精细控制，实现专业的电影叙事。
• 流畅运动： 通过增强的流畅性和控制力，轻松再现各种复杂的运动。
• 精确提示遵循： 更好地理解和执行复杂场景和多对象生成的提示。
• Wan Box 项目： 在单一界面内集成各种创作任务，包括图像和视频生成和编辑。

Wan 2.2 如何工作？

Wan 2.2 融合了多项技术创新：

• MoE 架构： 将混合专家（MoE）架构引入视频扩散模型。这通过使用专门的专家模型分离跨时间步的去噪过程，从而在保持计算效率的同时增加整体模型容量。 A14B 模型系列采用双专家设计，使用高噪声专家用于早期阶段，使用低噪声专家用于细化视频细节。
• 数据缩放： 与 Wan 2.1 相比，在明显更大的数据集上进行训练（+65.6% 的图像和 +83.2% 的视频），从而增强了模型在运动、语义和美学方面的泛化能力。
• 电影美学： 结合了带有光照、构图和色彩的精细标签的精选美学数据，从而能够实现更精确和可控的电影风格生成。
• 高效高清混合 TI2V： 开源了使用先进的 Wan2.2-VAE 构建的 5B 模型，实现了 16×16×4 的压缩率。该模型支持 720P 分辨率、24fps 的文本到视频和图像到视频生成，并且可以在像 4090 这样的消费级显卡上运行。

开源可用性

Wan 2.2 已开源，提供强大的功能、更好的性能和卓越的视觉质量。开源版本包括：

• Wan2.2-T2V-A14B： 支持生成 480P 和 720P 分辨率的 5 秒视频，在关键评估维度上超越了领先的商业模型。
• Wan2.2-I2V-A14B： 专为图像到视频生成而设计，可实现更稳定的视频合成，并增强对各种风格化场景的支持。
• Wan2.2-TI2V-5B： 支持 720P 分辨率、24fps 的文本到视频和图像到视频生成，能够在单个消费级 GPU 上运行。

Wan Box：尽在 Wan 中，创造一切

Wan Box 允许用户启动各种创作任务，包括图像生成、视频生成和视频编辑。它提供灵活的视频剪辑编辑，使用时间线来拼接剪辑并执行进一步的生成。

为什么 Wan 2.2 很重要？

Wan 2.2 降低了 AI 驱动的创意视频生成的入门门槛，使工业和学术领域都能够利用其先进的功能。它的开源性质促进了该领域的协作和创新。

Wan 2.2 的实际应用示例：

• 电影场景： 通过对电影元素的精细控制，创建令人惊叹的视频。示例包括阳光明媚的森林中的年轻人、穿过聚光灯照射的舞台的火车以及自动扶梯上带有镜面反射的人。
• 动态运动： 生成具有复杂而流畅运动的视频，例如嘻哈舞蹈、街头跑酷和花样滑冰。
• 富有想象力的场景： 制作独特且视觉效果惊人的场景，例如一个女人吹出一个里面装有微型水族馆的泡泡，以及一个女人使用一个喷洒彩色鲜花的软管。

与最先进模型的比较

Wan 2.2 已与 Wan-Bench 2.0 上领先的封闭源商业模型进行了比较，证明了在多个关键维度上的卓越性能。这突出了其先进的功能，并将其定位为 AI 视频生成领域的领导者。

我在哪里可以使用 Wan 2.2？

Wan 2.2 适用于各种应用，包括：

• 社交媒体的内容创作
• 市场营销和广告
• 教育视频
• 艺术表现
• AI 视频生成方面的研究和开发

如何开始使用 Wan 2.2？

访问 Wan 官方网站并访问开源模型。您可以尝试各种生成模式，包括文本到视频和图像到视频，以创建您自己的 AI 驱动的视频。

总而言之，Wan 2.2 是一款具有突破性的 AI 视频生成模型，通过其开源版本，融合了先进的技术、创造性的灵活性和可访问性。它将赋能专业人士和爱好者创作出视觉效果惊艳且充满活力的视频内容。