Wan 2.2
阿里的 Apache 2.0 视频模型:两专家 27B 的文生视频和图生视频家族,外加可在 24 GB 显卡上运行的 5B 模型。
一句话概括. Wan 2.2 是阿里推出的一组任何人都能下载的 AI 视频生成模型。给它一段文字或一张图片,它就能生成一段短视频,约五秒,最高 720p。大模型需要数据中心级显卡,但 5B 模型可以在单张 24 GB 游戏显卡上运行。它采用 Apache 2.0 许可证,允许商业使用。它是目前可下载的最新的通用 Wan 模型。
概述
阿里于 2025 年 7 月 28 日以 Apache 2.0 许可证发布 Wan 2.2 的代码和权重。该家族有三个模型:用于文生视频的 T2V-A14B,用于图生视频的 I2V-A14B,以及同时支持两者的单一模型 TI2V-5B。
两个 A14B 模型使用针对视频扩散去噪过程设计的混合专家结构:高噪声专家处理确定整体布局的早期步骤,低噪声专家处理细化细节的后期步骤。每个专家约 140 亿参数,所以模型总参数约 270 亿,但每一步只激活 140 亿,计算量接近单个 14B 模型。它们生成约五秒、480p 或 720p 的片段。5B 模型使用高压缩视频自编码器(16×16×4),生成 24 帧每秒的 720p 视频。
权重以完整的 32 位精度发布:每个 A14B 模型约 126 GB(含 UMT5 文本编码器),5B 模型约 34 GB。阿里的单卡说明要求 A14B 至少 80 GB 显存,5B 模型在开启卸载的情况下至少 24 GB(例如 RTX 4090)。LightX2V、DiffSynth-Studio 等社区工具提供量化版本和低显存卸载,让更小的显卡也能运行。Wan 2.2 支持 ComfyUI 和 Diffusers。
阿里随后又基于 Wan 2.2 发布了更多模型:用于音频驱动视频的 Wan2.2-S2V-14B(2025 年 8 月)、用于角色动画和替换的 Wan2.2-Animate-14B(2025 年 9 月)、用于音乐生成舞蹈的 Wan-Dancer-14B(2026 年 7 月)以及 Wan-Animate-2(2026 年 8 月),均为 Apache 2.0。较新的通用版本 Wan 2.5、2.6、2.7 和 3.0 并未开放:截至 2026 年 11 月 8 日,Hugging Face 上的 Wan-AI 页面没有它们的权重,它们通过阿里的应用和 API 提供。阿里称 Wan 2.2 超过领先的商业模型,这一说法来自其自有的 Wan-Bench 2.0,尚未经过独立验证。
适合做什么
- 在 Apache 2.0 下本地进行对商业友好的视频生成,没有营收上限
- 用 5B 模型在 24 GB 显卡上做图生视频和文生视频实验
- 研究、微调和 LoRA 工作,社区生态庞大
- 作为同一团队的角色动画、语音生视频和舞蹈模型的基础
需要注意
- 按阿里的说明,A14B 模型需要 80 GB 显卡,或使用量化的社区版本和卸载
- 片段很短,约五秒,基础模型生成的视频没有声音
- 已发布一年多,LTX-2.5 等较新的开放模型增加了同步音频和多镜头场景
- Wan 2.5 及之后的版本只提供 API,不要相信它们的下载链接
- 阿里的质量说法基于其自有基准
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 Wan 2.2 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| TI2V-5B (text or image to video) FP32 | 5B | 34 GB | 24 GB | 游戏显卡 |
| T2V-A14B (text to video) FP32 | 27B 激活 14B | 126 GB | 80 GB | 工作站 |
| I2V-A14B (image to video) FP32 | 27B 激活 14B | 126 GB | 80 GB | 工作站 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。 开发方给出的最低显存要求为 24 GB。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
- Cosmos 3 与 Wan 2.2 对比:该选哪个开放视频模型?
- LTX-2.5 与 Wan 2.2 对比:开源视频生成模型
- 最佳开源图像和视频生成模型
- Cosmos 3:NVIDIA 面向机器人和自动驾驶的开放世界模型
常见问题
- Wan 2.2 是什么?
- Wan 2.2 是阿里推出的一组任何人都能下载的 AI 视频生成模型。给它一段文字或一张图片,它就能生成一段短视频,约五秒,最高 720p。大模型需要数据中心级显卡,但 5B 模型可以在单张 24 GB 游戏显卡上运行。它采用 Apache 2.0 许可证,允许商业使用。它是目前可下载的最新的通用 Wan 模型。
- Wan 2.2 可以商用吗?
- 可以。Wan 2.2 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Wan 2.2 是开源的吗?
- Wan 2.2 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Wan 2.2 吗?
- 可以,但需要一块好显卡。最小版本 TI2V-5B (text or image to video) 在 4 位精度下约需 24 GB 内存,适合 24 至 32 GB 的游戏显卡,或 32 GB 及以上内存的 Mac。
- Wan 2.2 是什么时候发布的?
- Wan 2.2 由 Alibaba Wan 于 2025年7月28日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Wan2.2 repository and release notes (GitHub) github.com
- Wan2.2-T2V-A14B model card (Hugging Face) huggingface.co
- Wan2.2-Animate-2-14B model card (Hugging Face) huggingface.co
- Wan-AI organization on Hugging Face (list of open weights) huggingface.co
- Wan: Open and Advanced Large-Scale Video Generative Models (paper) arxiv.org
发布时间等信息最近核实于 2026年11月8日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| LTX-2.5 LTX (Lightricks) | 22B | – | LTX-2.x Community (附条件) | 16 GB 笔记本或手机 | |
| FLUX 3 Image Klein Black Forest Labs | 5.6B | – | FLUX Kommunity (附条件) | 8 GB 笔记本或手机 | |
| MiniMax H3 MiniMax | 33.1B | – | MiniMax H3 Community (附条件) | 166 GB 大内存台式机 | |
| Pika H3 Flex Pika | 33.1B | – | MiniMax H3 Community (附条件) | 169 GB 大内存台式机 |