Wan2.2 是由 Wan-Video 團隊釋出的開源大型影片生成模型，屬於基礎級別的擴散式生成框架。它支援文字轉影片（Text-to-Video, T2V） 與圖片轉影片（Image-to-Video, I2V），並能輸出 720P @ 24fps 的高品質影片。

 

核心特色

  • Mixture-of-Experts 架構（MoE）
    透過多專家架構分工處理不同時間步驟的去噪任務，在相同計算成本下提升模型容量與效果。

  • 電影級美學生成
    訓練數據包含精細標記的美學標籤（光影、構圖、色彩、對比度），可精準控制影片風格。

  • 複雜動態表現
    訓練數據規模大幅提升（圖片 +65.6%、影片 +83.2%），能處理更複雜的動作與語義內容。

  • 高效能 720P 影片生成
    採用 Wan2.2-VAE，壓縮比達 16×16×4，可在消費級顯卡（如 RTX 4090）運行，生成 720P 24fps 高畫質影片，是目前最快的開源高畫質影片模型之一。

  • 多模態支援
    同時支援文字生成影片與圖片生成影片，適合更多創作情境。

 

優點與限制

優點

  • 支援 720P 高畫質輸出，效果優於許多同類模型。

  • 可在單卡 GPU 運行，降低使用門檻。

  • 結合 MoE 架構，美學與動態表現更自然。

  • 完全開源，適合學術與產業雙重應用。

限制

  • 仍需高效能 GPU（如 RTX 4090）才能流暢執行。

  • 雖支援電影級美學，但對特定風格控制仍有學習曲線。

  • 訓練與生成仍存在計算成本，對一般使用者不算輕量。

 

總結來說，Wan2.2 展現了影片生成模型在畫質、動態與美學上的新突破。它結合 Mixture-of-Experts 架構與大規模訓練數據，不僅能輸出高品質影片，還能控制美學風格，對創作者、研究人員與產業應用來說都是強大的工具。隨著更多開源社群的貢獻，Wan2.2 有望成為 AI 視覺生成的重要基礎模型之一。