Trình tạo video WAN 2.2 không giới hạn - Mô hình AI điện ảnh MoE 27B

WAN 2.2 dùng hệ hai chuyên gia mang tính đột phá với tổng cộng 27B tham số nhưng chỉ 14B tham số hoạt động ở mỗi bước khử nhiễu. Hệ này gồm các chuyên gia chuyên trách nhiễu cao và nhiễu thấp, giúp tối ưu hiệu quả tính toán mà vẫn giữ chất lượng video vượt trội. Kiến trúc này cho suy luận nhanh hơn và kết quả tốt hơn so với cách tiếp cận mô hình đơn truyền thống.

WAN 2.2 tạo được video dài tới 5 giây (65-257 khung hình) ở độ phân giải 480p và 720p với tỷ lệ khung hình tùy chỉnh (16:9, 9:16, 1:1, 4:3, 3:4). Nó hỗ trợ tốc độ khung hình 8-30 FPS và có cả biến thể 5B lẫn 14B tham số cho văn bản thành video, cùng một mô hình 14B cao cấp cho chuyển đổi ảnh thành video với các tùy chọn thẩm mỹ đạt chuẩn điện ảnh.

WAN 2.2 dùng prompt tiếng Anh và hỗ trợ nhiều công thức prompt: Cơ bản (Chủ thể + Bối cảnh + Chuyển động), Nâng cao (thêm Kiểm soát thẩm mỹ + Phong cách hóa) và Ảnh thành video (Mô tả chuyển động + Chuyển động máy quay). Hãy dùng những thuật ngữ điện ảnh cụ thể như “dolly in”, “static shot”, các mô tả về ánh sáng và từ khóa phong cách để có kết quả tốt nhất. Mô hình hỗ trợ tối đa 512 token cho mỗi prompt.

WAN 2.2 tích hợp sẵn bộ kiểm tra an toàn và hệ thống lọc nội dung có thể bật lên trong lúc tạo. Mô hình tuân theo các thực hành AI có trách nhiệm với việc kiểm tra tính phù hợp của nội dung, dù các biện pháp an toàn cụ thể vẫn có thể được cấu hình theo yêu cầu của từng trường hợp sử dụng. Người dùng chịu trách nhiệm bảo đảm việc tạo nội dung hợp đạo đức theo các điều khoản của giấy phép Apache 2.0.

WAN 2.2 có ba biến thể chính: văn bản thành video 5B (hiệu quả, thân thiện với máy phổ thông), văn bản thành video A14B (chất lượng cao cấp, điều khiển chuyển động vượt trội) và ảnh thành video A14B (chuyên làm ảnh chuyển động với tính nhất quán hình ảnh được nâng cao). Các mô hình A14B cho chất lượng điện ảnh và độ trung thực chuyển động tốt hơn nhưng đòi hỏi nhiều tài nguyên tính toán hơn.

WAN 2.2 đòi hỏi tài nguyên tính toán đáng kể; với các mô hình A14B, nên dùng hệ thống có từ 80GB VRAM trở lên để đạt hiệu năng tối ưu. GPU phổ thông như RTX 4090 vẫn chạy được nhưng thời gian tạo lâu hơn. Những hạn chế hiện tại gồm thời lượng video tối đa 5 giây, chỉ hỗ trợ prompt tiếng Anh và phụ thuộc vào chất lượng prompt đầu vào để có kết quả tốt nhất.