Wan2.2Atvirių video kūrimo modelių šeima (5B/14B) tekstui/įvažiavimo/video-į-video, sutaupiant 1080p klipus su geromis judesiais ir kontrole.

Wan2.2 yra atviras video kūrimo modelio šeima su dviem variantais, 5B ir 14B, atžavus tekstą/įvažiavimą/video-į-video. Jis gali sutaupyti 1080p klipus su geromis judesiais ir kontrole. Šis modelis apima Mixture-of-Experts (MoE) architektūrą, kino lygio estetikos ir kompleksaus judėjimo generavimo. Wan2.2 architektūra yra pagrįsta video difuzijos modeliu, MoE architektūros skyrės denoizavimo procesą per laikraštį. Tai leidžia jam išlaikyti paties pats kompiuterių sąnaudas, nors didina bendrą modelio talpą. Wan2.2 buvo išmokyti ženkliai didesne duomenų bazės nei jo priešas, Wan2.1, +65,6% daugiau vaizdų ir +83,2% daugiau vaizdo raidų. Ši padidejus duomenų bazė leidžia modeliui daugiau išplėstis, tai yra judėjimų, semantikos ir estetikos dimensionuose. Šis modelis atžavo tekstą-į-video ir įvažiavimo-į-video generavimą 720P rezoliucijoje su 24fps, ir gali atlikti prieinama grafikos korte 4090. Jis yra vienas greitesnių 720P@24fps modelių, kuris dabar yra prieinamas ir akademinioms, ir pramoninėms priemoniems visuomet. Wan2.2 integruotas į kelias programas, įskaitant Diffusers, ComfyUI ir ModelScope, ir buvo naudojamas daugelyje praeitų užsakymų, pvz., karalienų animacija, pakeitimas ir audijos valdžiamo kino video generavimo. Tai modelis buvo pasiekęs vieningą modelį karalienų animacijai ir pakeitimui su holistinio judėjimo ir išraiškos replikavimo, ir audijos valdžiamo kino video generavimo modelio su nurodytais kodu, modelio sveriamaisiais, ir techninio informavimo raportu. Šis modelis taip pat yra sukurtas 5B modelis su Wan2.2-VAE, kuris pasiekia kompresijos santykį 16 16 4, atžavą tekstą-į-video ir įvažiavimo-į-video generavimą 720P rezoliucijoje su 24fps. Šis modelis buvo išleistas atviruosiu licencijos sąlygomis ir tapo populiariausiu, su virš 50 komitų savo GitHub repoistorijos ir dideliu bendruomenės prisiekimui ir naudotojų. Wan2.2 yra galutinai ištaižas video kūrimo modelis, kuris pateikia įžengimų performansa ir dažnai įvairovę skirtingiems naudojimoms, pvz. karalienų animacija, pakeitimas, ir audijos valdžiamo kino video generavimo. Jis architktūra ir išmokymas padeda modeliui išlikti brangesniu išteikiu bei praslemuo išskirtukams, kurie dirbą šiuo rengimuo ir skirstymo srityje. Šis modelis yra tinkamas daugeliui praeitų prieplaukelių, pvz. karalienų animacija, pakeitimas, ir audijos valdžiamo kino video generavimo. Tačia, panašiai kaip ir betkas koks moksliškasis modelis, Wan2.2 turėja kai kurias ribas. Pvz. jis reikia naudojti didelį kompiuterių resursų bei trūkmę duomenų siekiant pasiekti savo performancą bei tai, kad jis ne visada gali būti tinkamas visiems tipo reikalavimuis suvideo generavimo. Atlikus kai kurius pakeitimus bei naudojus šį modelį, pergalęs naudojimams ir praeitų užsakymų, šis modelis galėjo leisti išgyventi, nors jo performansas ir dažnai galės kisti, priklausomo nuo naudojamo atvejo ir reikalavimo.