Wan2.2Åpen-kjørsels modellfamilie for video generering (5B/14B) for tekst/bilde/video-til-video, som lever 1080p klipp med bedre bevegelse og kontroll.

Wan2.2 er en åpen kildevideo genereringsmodellfamilie med to varianter, 5B og 14B, som understøtter tekst/bilde/video-to-video generasjon. Den kan levere 1080p-skjermer med forbedret bevegelse og kontroll. Modellen inneholder en Mixture-of-Experts (MoE)-arkitektur, kinematograf-nivåestetikk og kompleks bevegelsesgenerering. Wan2.2s arkitektur er basert på en video-diffusjonsmodell, med MoE-arkitekturen som separatert rensningsprosessen over tidssteg. Dette tillater det å beholde samme beregningskostnad samtidig som kapasiteten i modellen økes. Wan2.2 har blitt trent på en betydelig større dataset enn sin forgjenger, Wan2.1, med +65,6% flere bilder og +83,2% flere videoer. Denne utvidelsen forbedrer modellens generelle generellisering over flere dimensjoner, inkludert bevægelse, semantikk og estetikk. Modellen støtter både tekst-til-video og bildetil-video generasjon ved en opplosning på 720P ved 24 bilder per sekund, samt kan kjøre på forbrukergreder grafikkort som 4090. Det anses for å være en av de raskestes modellene på 720P@24fps som er tilgjengelig just nå, og kan servicere både industrielle og akademiske sektorer samtidig. Wan2.2 er integrert i flere rammer, inkludert Diffusers, ComfyUI og ModelScope, og har blitt brukt til forskjellige oppgaver, som animasjon av karakterer, erstatter, og generering av kinematografisk video med lydritygende. Wan2.2 har også blitt brukt til å opprette en forent modell for tegn animations og erstatter med holistisk bevegelse og uttrykk replikering, og en lyd-drevet kinematografisk video genereringsmodell, inkludert inference kode, modellvekter og teknisk rapport. Modellen har også blitt brukt til å lage en 5 milliarder-parametremodell bygget med Wan2.2-VAE som oppnår en kompresjonsforhold på 16:16:4, som støtter både tekst til video og bilde til videoer på 720P-oppløsning med 24 bilder i sekundet. Modellen er lansert i åpen kildekode og har fått stor sukses, med over 50 commits på sitt GitHub-database og et stort samfunn av bidragsydere og brukere. Wan2.2 er et kraftfullt video-inngenereringsmodell som leverer toppførefform og fleksibilitet til ulike tilpassinger, inkludert karakters animasjon, erstating og tale-drevet kinematisk video-inngjengelse. Dets arkitektur og treningsdataset gjer det til et verdifullt ressurs for forskere og utviklere som arbeider innen feltet av video-inngjengelse og behandling. Modellen passer på en rekke anvendelser, herunder animasjon av karakterer, erstatning og generering av kinematografisk video driven av lyd. Like enhver maskinlæringsmodell, har Wan2.2 noen begrænsninger. For eksempel krever det en betydelig mengde av computasjonelle ressurser og treningdata for å oppnå sin ytelse, og det kan være uegnent att bruke det på alle slags videoerproduksjonsoppgaver. I tillegg til at Wan2.2 har blitt integrert i flere rammer, kan dens ytelse og fleksibilitet variere avhengig av den spesifikke brukssammenhengen og anvendelsen. Overordnet sett er Wan2.2 en sterk og fleksibel video-innstillingsmodell som tilbyr verdiklassifisert prestatjon for ulike anvendelser. Sitt arkitektur og treningssett gjør det til en verdifull ressurs for forskere og utviklere som jobber innen det området videoer og behandling av videoer.