Открытая модель, Apache 2.0

Wan 2.2

Name: Wan
Availability: InStock
Author: Alibaba Cloud

Коротко. Wan 2.2 — а пять моделей Alibaba Cloud под лицензией Apache 2.0. Веса опубликованы в GitHub-организации Wan-Video, их можно скачать и запустить у себя. На домашней видеокарте работает только TI2V-5B: ей нужно 24 ГБ видеопамяти, это уровень RTX 4090. Остальные четыре модели просят от 80 ГБ и рассчитаны на серверные ускорители.

Если подходящей карты нет, те же задачи закрывает сервис create.wan.video: тариф Pro стоит 10 $ в месяц.

Что входит в Wan 2.2

Wan 2.2 — вторая версия генеративной модели видео Alibaba Cloud, выложенная в открытый доступ. Код и ссылки на веса лежат в репозитории Wan2.2 в GitHub-организации Wan-Video, которая описывает себя как «Alibaba Cloud's Large-scale Generative Models». Лицензия Apache 2.0 разрешает использование в коммерческих проектах.

Под одним названием собраны пять чекпойнтов, и каждый решает свою задачу: один делает видео из текстового описания, другой оживляет фотографию, третий строит кадр по речи, четвёртый анимирует и заменяет персонажа. Скачивать весь набор не нужно — берут тот чекпойнт, который закрывает конкретную задачу.

Модель	Что делает	Разрешение	Видеопамять
T2V-A14B	текст → видео	480p и 720p	от 80 ГБ
I2V-A14B	изображение → видео	480p и 720p	от 80 ГБ
TI2V-5B	текст и изображение → видео	720p, 24 кадра/с	от 24 ГБ
S2V-14B	речь → видео	480p и 720p	от 80 ГБ
Animate-14B	анимация и замена персонажа	30 кадров/с	от 80 ГБ

Разброс по требованиям в таблице важнее разброса по режимам. Четыре модели из пяти рассчитаны на ускорители с 80 ГБ памяти. TI2V-5B выбивается из ряда: ей хватает 24 ГБ, она выдаёт 720p при 24 кадрах в секунду и принимает на вход и текст, и изображение — то есть одна закрывает оба основных режима. Для домашнего запуска выбор сводится к ней.

Два чекпойнта из набора закрывают задачи, которых у большинства генераторов видео нет вовсе. S2V-14B строит видео по речи, то есть принимает на вход звуковую дорожку; в примерах разработчиков он выдаёт пятисекундный ролик 720p. Animate-14B анимирует и заменяет персонажа и работает с 30 кадрами в секунду. Оба требуют 80 ГБ видеопамяти, поэтому дома они остаются недоступны.

Какая видеокарта нужна для Wan 2.2?

На домашнем компьютере реально работает одна модель — TI2V-5B, ей нужно от 24 ГБ видеопамяти. Это уровень RTX 4090. Модели T2V-A14B, I2V-A14B, S2V-14B и Animate-14B требуют от 80 ГБ, столько дают только серверные ускорители. Поставить такую карту в домашнюю сборку нельзя, остаётся аренда вычислений или сервис.

TI2V-5B — 24 ГБ

Единственный чекпойнт уровня потребительской карты. Выдаёт 720p при 24 кадрах в секунду и принимает текст и изображение.

Четыре модели — 80 ГБ

T2V-A14B, I2V-A14B, S2V-14B и Animate-14B рассчитаны на серверное железо. У первых трёх разрешение 480p и 720p, Animate-14B заявлен с 30 кадрами в секунду.

Если карта недотягивает

Остаётся сервис create.wan.video. На платных тарифах ролики выходят в 1080p длиной 10 и 15 секунд, один ролик стоит примерно 5 кредитов.

Порог в 24 ГБ — это минимум для запуска. Карты на 8, 12 и 16 ГБ в требованиях Wan 2.2 не значатся ни для одной модели, поэтому владельцу условной RTX 3060 локальный путь закрыт. Как скачать и запустить Wan — с разбором обоих путей.

Чем Wan 2.2 отличается от Wan 2.1?

Архитектура MoE

Mixture-of-Experts — главное изменение версии. В 2.1 такой схемы не было.

Больше данных

Плюс 65,6 % изображений и плюс 83,2 % видео к обучающему набору предыдущей версии.

VAE с высоким сжатием

Коэффициент 4×16×16. От него зависит, насколько дорого модели обходится кадр.

Эстетические лейблы

Заявленная «кинематографическая» подача: свет, композиция и цвет размечены лейблами.

При этом позиционируются версии одинаково: у репозиториев Wan2.1 и Wan2.2 совпадает заголовок описания — «Wan: Open and Advanced Large-Scale Video Generative Models». Обе лежат под Apache 2.0, и обе остаются единственными версиями Wan, которые вообще можно скачать.

Wan 2.2 в ComfyUI и Diffusers

Wan 2.2 интегрирована в два готовых окружения, поэтому писать её с нуля не приходится.

ComfyUI

Узловой интерфейс: пайплайн собирается мышью из блоков, результат виден сразу. Подходит тем, кто хочет генерировать, а не программировать.

Diffusers

Путь через код. В интеграции перечислены T2V-A14B, I2V-A14B, TI2V-5B и Animate-14B — их вызывают из скрипта и встраивают в свой пайплайн.

Практическая разница простая: ComfyUI выигрывает, когда роликов немного и важен контроль руками, Diffusers — когда генерацию нужно поставить на поток и вызывать из своего сервиса. Оба варианта работают с одними и теми же весами, переключиться можно в любой момент.

Когда Wan 2.2 не подойдёт

Нужны возможности 2.7

Редактирование по текстовой инструкции, продление ролика по опорному кадру, длинный текст в кадре на 12 языках — это возможности версии 2.7. В 2.2 этих режимов нет, а скачать 2.7 нельзя: её веса не публиковались.

Нет мощной видеокарты

Ниже 24 ГБ видеопамяти локальный запуск не начинается. Если карта слабее, открытая лицензия ничего не даёт — придётся идти в сервис и платить кредитами.

Нужен готовый интерфейс

Открытая модель — это веса и код. Аккаунта, галереи, очереди задач и кнопки «скачать без водяного знака» в комплекте нет: всё это есть только в сервисе.

Если идёте в сервис из России

Платёжная система Alibaba Cloud отклоняет карты российских банков, поэтому подписку на create.wan.video напрямую оформить не выйдет. Из посредников мы рекомендуем Syntx: он принимает карты РФ и открывает доступ к нейросети без зарубежного пластика. Подписка одна, а инструментов за ней несколько — кроме генерации видео там же лежат текстовые и графические модели.

Оформить через Syntx Открыть в Telegram

Способы оплаты из России — со сроками и рисками каждого.

Попробуйте Wan 2.2 без своей видеокарты

Syntx принимает карты российских банков, и оформление занимает минуты — зарубежная карта для этого не нужна.

Открыть доступ Смотреть тарифы