Wan2.2Avoin lähdekoodi videointigenaatiomalliperhe (5B/14B) teksti/kuvaa/ video-to-video, joka toimittaa 1080p-kuvakuvat parantuneella liikkeellä ja hallinnalla.

Wan2.2 on avoimen lähdekoodin videointigeeneraatiomallikokoelma, jossa on kahteen eri vaihtoeen, 5B ja 14B, tukevaa teksti/tiedosto/video-videointigenereointia. Se kykenee luomaan 1080p-loisteita parantuneiden liikkeiden ja kontrollin avulla. Mallissa on Mixture-of-Experts (MoE)-arkkitehtuuri, elokuvatasoista ulkonäköä ja kompleksisten liikkeiden luomista. Wan2.2:n arkkitehtuuri perustuu video-diffuusiomalliin, jossa MoE-arkkitehtuuri jakaa puhdistusprosessin aikajänteittäin. Tämä mahdollistaa saman lopputuloksen saavuttamista pienentyneellä laskennallisella kustannuksella. Wan2.2 on koulutettu laajemman kuin edeltäjänsä Wan2.1, sillä +65,6% enemmän kuvia ja +83,2% enemmän videoita. Käyttäen laajentumista kehitetään mallin yleisten kertojakausien määrittelyä monitasoisissa yksityiskohtia kuten liikkeitä, semantiikkaa ja ulkonäköä kohtaan. Malli tukee tekstistä-videoon sekä kuvan tekstistä-videoon siirtymistä 720P-resoluutiosta 24fps, ja se pystyy suorittamaan myös konsumenttien käyttöön tarkoitetuilla grafiikkapiireillä kuten 4090:llä. Se on yksi nopeimmista 720P@24fps-malleja, joita on nykyään saatavilla, ja se kykenee palvelemaan sekä teollisia että akateemisia sektoreita yhtaikaa. Wan2.2 on integroitu useisiin kehityskalusteisiin, kuten Diffusersiin, ComfyUI:hin ja ModelScopeen, ja on käytetty erilaisissa sovelluksissa, kuten hahmoon liittyvien animaatioiden generaatiolle, korvaamiselle sekä äänidrivoituulle kinetiikan videoilmaisulle. Wan2.2 on myös käytetty yhdenmukaisen mallin luomiseen eläviin hahmoihin liittyvän animoinnin ja korvaamisen, sekä holististen liikkeiden ja ilmauksetunnisteen replikoinnin tarpeisiin, sekä äänitteestä ohjattuun kinemaattiseen videoitteen generaatioon sisältäen inferenssin koodia, mallipainoja ja tekninen raportti. Mallia on käytetty myös 5B-mallin luomiseen Wan2.2-VAE:n avulla, joka saavuttaa 16:16:4-kertoimen kompensoimisessa, tukevasti sekä tekstin videotuottoa että valokuvan videotuottoa 720P-resoluutiolla 24 FPS:llä. Malli on julkaistu avoimen lähdekoodin lisenssillä, ja se on saavuttanut suosiota, yli 50 muutosta GitHub-tarvastossa ja laajan yhteisön kehittäjien ja käyttäjien kesken. Wan2.2 on tehokas videotuotanto malli, joka tarjoaa edistyksellisiä suorituskykyä ja monivuotoisuutta monille erilaisille sovelluksille, kuten hahmon liikkeen animaatioon, korvaamiseen, sekä äänidraamanohjatuun kinetiikan video tuotantoon. Sen rakenne ja koulutandata toteuttavat sitä arvokkaaksi lähteeneksi tutkijoille ja kehittäjille työskenteleville videotuotannon ja käsittelyn aloilla. Malli on sovelttava monenlaiseen käyttöön, kuten hahmon animaatioon, korvaamiseen ja äänijohtamalla elokuvasimulaation tuottamisen lisäksi. Kuitenkin, kuten minkään tietokonetietoisen mallin ohella, Wan2.2:een liittyy joitakin rajamuodostuksia. Esimerkiksi, se edellyttää suurempaa määrää laskennallista varastoa sekä koulutusaineistoa saavuttaakseen suoriutumisensa, ja se ei ole mahdollisesti sovellettavissa kaikille videon luonnin tehtävien tyyppien osalta. Mukaan lukien, kun Wan2.2 on integroitu useisiin kehyksiin, sen suorituskyky ja monipuolisuus voivat vaihdella riippuen erityisesti käyttotapasta ja sovelluksesta. Wan2.2 on voimakas ja monipuolinen videotuotannon malli, joka tarjoaa erilaisiin sovelluksiin edistyneen suoritustehon. Sen arkitehtuuri ja koulutusdatasetteja tekevät siitä arvokasta resurssiä videotuotannon ja käsittelyn aloilla työskenteleville tutkijoille ja kehittäjille.