WAN翻译站点

WAN 是阿里巴巴通义实验室（通义万相团队）的开放权重视频生成模型家族，覆盖文生视频、图生视频、语音生视频、角色动画等全任务谱系。当前可自托管的最新开放权重主线 Wan2.2 于 2025 年 7 月发布，Apache-2.0 许可，采用视频扩散模型首个 MoE 架构，含 T2V-A14B、I2V-A14B、TI2V-5B 三款 checkpoint，支持 720P@24fps 视频生成，其中 5B 版本可在单张 RTX 4090 消费级显卡运行，是开放权重视频生成的事实标准。

 

产品概述

WAN 由阿里巴巴通义实验室（通义万相团队）开发，自 2025 年 2 月 Wan2.1 首次开源以来，已成为开放权重视频生成领域任务谱系最完整、生态最活跃的模型家族 。WAN 的定位是”开放且先进的大规模视频生成模型”——不仅开放权重，更通过 Apache-2.0 许可允许商用、微调、自托管，是少数能与闭源 Sora、Veo 在画质上竞争且完全开放的视频模型 。

 

版本演进与开放状态（具体以 Hugging Face Wan-AI 官方仓库实时信息为准）：

⚠️ 重要澄清：WAN 的”最新版本”与”最新开放权重版本”不是同一个概念。Wan2.5、Wan2.6 引入了音视频同步、1080P 等昂贵能力，阿里巴巴选择通过商业 API 变现而非开放权重 ；Wan2.7 仅开源了部分模型；第三方资料提及 Wan3.0 开放权重 ，但以 Hugging Face Wan-AI 官方组织实时发布的 checkpoint 为准，当前可稳定自托管的最新开放权重主线是 Wan2.2。后续版本若开放权重，收录时以官方仓库为准。

 

当前开放权重主线 Wan2.2 核心参数​ ：

 

架构创新​ ：

• 视频扩散模型首个 MoE 架构：将去噪过程跨时间步分离为专门的专家模型——高噪声专家处理早期扩散阶段（整体布局与构图），低噪声专家精炼后期细节，总参数约 27B 但每步仅激活 14B
• 电影级美学控制：训练数据携带光影、构图、对比度、色调的精细标签，可从 prompt 直接控制电影美学风格，60+ 直观参数
• 高压缩 VAE：Wan2.2-VAE 实现 16×16×4 压缩比，让 5B 模型在消费级显卡上实现 720P@24fps 生成
• 训练数据大幅扩展：相比 Wan2.1，图像数据 +65.6%、视频数据 +83.2%，显著提升运动保真度与提示词遵循

 

许可策略（关键）：

WAN 开放权重线全系 Apache-2.0​ ：

• 允许商用、修改、再分发、微调，无营收门槛、无月活限制、无署名义务
• 与 FLUX.2 [schnell]（Apache-2.0）、Qwen-Image（Apache-2.0）、Mochi（Apache-2.0）、Open-Sora（Apache-2.0）并列”最干净许可”阵营
• Wan2.5/Wan2.6 虽未开放权重，但其 API 服务条款独立，不影响 Wan2.2 及之前版本的 Apache-2.0 许可效力

💡 与 FLUX（dev 分支非商用）形成最本质差异：WAN 的 Apache-2.0 是无条件开放——商用、修改、再分发均无门槛。这是 WAN 在视频生成领域最核心的差异化优势，也是其与 Sora、Veo 等闭源视频模型竞争时”开放性”杀器的来源。

 

核心能力

• 文生视频（T2V）：T2V-A14B 支持 480P 与 720P 视频生成，中英文双语 prompt 原生支持
• 图生视频（I2V）：I2V-A14B 基于输入图像生成动态视频，支持 480P 与 720P
• 统一文本+图像生视频（TI2V）：TI2V-5B 同时接受文本与图像条件，可同时指定视觉风格（通过图像）与运动（通过文本）
• 语音生视频（S2V）：Wan2.2-S2V 从音频/语音轨道驱动视频生成
• 角色动画（Animate）：Wan2.2-Animate 14B 支持单张图像动画化或角色替换
• 电影美学控制：从 prompt 直接控制光影、构图、对比度、色调，60+ 直观电影参数
• 720P@24fps 消费级生成：TI2V-5B 通过 16×16×4 高压缩 VAE，在单张 RTX 4090 上实现 720P@24fps 视频生成
• LoRA 微调：支持低秩适配训练专属风格、角色一致性
• VBench SOTA：WAN 在 VBench 评测中得分 86.22%，超越 Sora 的 84.28%，是开放权重视频生成画质标杆
• 主流框架支持：Diffusers、ComfyUI 原生支持，Hugging Face Hub 一键加载

 

优势亮点

• Apache-2.0 无条件开放：商用、修改、再分发、微调均无门槛——与 FLUX.2 [schnell]、Mochi、Open-Sora 并列”最干净许可”阵营，是视频生成领域可商用的少数选择之一
• 任务谱系最完整：T2V、I2V、TI2V、S2V、Animate 五大任务全覆盖，是开放权重视频模型中任务最丰富的家族
• MoE 架构效率突破：首个将 MoE 引入视频扩散的模型，27B 总参仅激活 14B，推理成本接近 14B 稠密模型
• 消费级硬件可运行：TI2V-5B 在单张 RTX 4090（24GB）即可运行 720P@24fps 视频生成，是开放权重中消费级最友好的视频模型
• VBench 超越 Sora：86.22% vs Sora 84.28%，画质与闭源前沿竞争
• 电影美学可控：从 prompt 直接控制光影、构图、色调，60+ 电影参数，是开放权重中电影级控制的代表
• 中英文双语原生：中英文 prompt 均原生支持，中文文字生成视频能力突出（Wan2.1 起的首创能力延续）
• ComfyUI 生态成熟：WAN 是 ComfyUI 视频工作流最常用的基础模型，社区 LoRA、工作流、教程最丰富
• 与 Sora/Veo 的开放性对比：Sora、Veo 是闭源订阅制；WAN 是开放权重、可自托管、可微调、可免费商用——这是开发者构建视频管线的首选

 

局限

• 最新版本未开放权重：Wan2.5（原生音视频同步、1080P）、Wan2.6（叙事、角色一致性、多镜头）仅通过商业 API 提供 ，自托管用户无法使用这些最新能力
• 720P 分辨率上限：当前开放权重 Wan2.2 最大支持 720P；1080P 需使用 Wan2.5 API
• 5 秒时长上限：单次生成视频长度为 5 秒；更长视频需拼接多段或外推
• 无原生音频：Wan2.2 开放权重版本不支持音频生成，音视频同步需 Wan2.5 API
• A14B 自托管门槛较高：T2V-A14B/I2V-A14B 需 ~24GB VRAM（FP16），消费级显卡仅能运行量化版或 5B 版本
• 与顶级闭源仍有差距：虽然 VBench 超越 Sora，但在运动连贯性、长时序一致性、复杂提示词遵循上，Wan2.2 与最新闭源视频模型（Veo 3、Sora 2）仍有差距
• 版本演进不均匀：Wan2.5/Wan2.6 未开放权重，Wan2.7 仅开源部分模型，第三方资料提及 Wan3.0 计划开放权重 ——”最新版本”与”最新可自托管开放权重”之间存在时间差，收录时以 Hugging Face Wan-AI 官方仓库实时状态为准

 

适用人群

• 需 Apache-2.0 合规的商用视频生成：与 FLUX.2 [schnell]、Mochi、Open-Sora 并列”最干净许可”阵营，可商用、可修改、可再分发
• 消费级硬件视频生成：TI2V-5B 在单张 RTX 4090 即可运行 720P@24fps，是个人创作者、独立开发者的福音
• 视频生成管线开发者：T2V/I2V/TI2V/S2V/Animate 五任务全覆盖，是构建完整视频管线的开放权重首选
• 电影美学可控内容创作：从 prompt 直接控制光影、构图、色调，60+ 电影参数，适合短片、广告、MV 创作
• LoRA 微调与风格定制：支持 LoRA 训练专属风格、角色一致性，是品牌定制视频的最佳开放权重基础
• 数据主权敏感的企业：完全本地部署，数据不出本机，适合影视制作、广告、电商的合规视频生成
• 中英文视频生成：中英文 prompt 原生支持，中文文字生成视频能力突出，适合国内短视频、广告、影视行业

 

安装与部署

 

1. 硬件需求参考

 

2. 获取模型权重

# 安装 huggingface_hub
pip install "huggingface_hub[cli]"

# 下载 T2V-A14B
huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B

# 下载 I2V-A14B
huggingface-cli download Wan-AI/Wan2.2-I2V-A14B --local-dir ./Wan2.2-I2V-A14B

# 下载 TI2V-5B（消费级硬件推荐）
huggingface-cli download Wan-AI/Wan2.2-TI2V-5B --local-dir ./Wan2.2-TI2V-5B

# 下载 S2V-14B（语音生视频）
huggingface-cli download Wan-AI/Wan2.2-S2V-14B --local-dir ./Wan2.2-S2V-14B

 

3. 通过官方 GitHub 仓库部署

# 克隆官方仓库
git clone https://github.com/Wan-Video/Wan2.2.git
cd Wan2.2
pip install -r requirements.txt

# 文生视频（T2V-A14B，480P）
python generate.py --task t2v-14B --size 1280x720 \
  --ckpt_dir ./Wan2.2-T2V-A14B \
  --prompt "A paper boat drifting down a rain-slicked gutter at dusk, shallow depth of field, warm street lights"

# 图生视频（I2V-A14B）
python generate.py --task i2v-14B --size 1280x720 \
  --ckpt_dir ./Wan2.2-I2V-A14B \
  --image example.png \
  --prompt "The woman begins to dance gracefully, her movements fluid and expressive"

# 统一文本+图像生视频（TI2V-5B，消费级硬件）
python generate.py --task ti2v-5B --size 1280x704 \
  --ckpt_dir ./Wan2.2-TI2V-5B \
  --prompt "a paper boat sailing down a rain-filled gutter, cinematic"

 

4. 通过 Diffusers 推理

import torch
from diffusers import WanPipeline, WanTransformer3DModel
from diffusers.utils import export_to_video

# 加载 T2V-A14B
transformer = WanTransformer3DModel.from_pretrained(
    "Wan-AI/Wan2.2-T2V-A14B",
    torch_dtype=torch.bfloat16
)
pipe = WanPipeline.from_pretrained(
    "Wan-AI/Wan2.2-T2V-A14B",
    transformer=transformer,
    torch_dtype=torch.bfloat16
).to("cuda")

# 生成视频
prompt = "A paper boat drifting down a rain-slicked gutter at dusk, shallow depth of field, warm street lights"
output = pipe(prompt=prompt, num_frames=81, height=720, width=1280)
frames = output.frames[0]
export_to_video(frames, "wan2.2_output.mp4", fps=24)

 

5. 通过 ComfyUI 部署（推荐可视化工作流）

# ComfyUI 原生支持 WAN 模型
# 下载 GGUF 量化版本到 ComfyUI/models/
# 加载 WAN 工作流 JSON，选择 T2V-A14B / I2V-A14B / TI2V-5B

 

6. 通过 ModelScope 下载（国内镜像）

pip install modelscope
modelscope download Wan-AI/Wan2.2-T2V-A14B --local_dir ./Wan2.2-T2V-A14B

 

7. LoRA 微调

# 使用官方 finetune 脚本
bash finetune/finetune_wan_t2v_14B.sh \
  --data_path your_dataset \
  --ckpt_dir ./Wan2.2-T2V-A14B \
  --lora_rank 64

 

8. 云端 API 调用（不想自托管）

通过 Wavespeed AI 等托管平台：

import requests

response = requests.post(
    "https://api.wavespeed.ai/api/v3/wavespeed-ai/wan-2.2/t2v-480p",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "prompt": "A paper boat drifting down a rain-slicked gutter at dusk",
        "duration": 5,
        "enable_sync_mode": False
    }
)

或通过阿里巴巴灵积/Model Studio API：

from openai import OpenAI

client = OpenAI(
    api_key="your-dashscope-api-key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
# 注意：DashScope 上提供的是 Wan 的 API 服务版本

 

9. 部署前必检清单

• 确认仓库位于 huggingface.co/Wan-AI（官方组织）
• 商用部署审阅 Apache-2.0 许可（无附加限制）
• 消费级硬件推荐 TI2V-5B；A14B 版本需 24GB+ 显存
• 如需 1080P、音视频同步、长视频等最新能力，Wan2.2 开放权重不支持，需使用 Wan2.5/Wan2.6 商业 API
• 中英文 prompt 均原生支持
• ComfyUI 是 WAN 最流行的可视化工作流界面
• 收录时以 Hugging Face Wan-AI 最新发布的 checkpoint 为准——Wan2.7/Wan3.0 若开放权重，应及时更新