Open source models are crazy. Alibaba just dropped Wan 2.2 Animate, a new model that can animate any character based on a simple souce image. It handles facial expressions and body movements like no other model. 10 insane examples: (sound on)
WAN 2.2
阿里巴巴下一代视频生成模型，具备270亿参数和每步140亿活跃参数的专家混合架构，提升了视觉质量。在电影级视频生成方面实现突破性性能，改进了动作控制、生成速度和扩展了训练数据。
公开
0 / 8192
Wan 2.2 YouTube 视频
观看展示 Wan 2.2 强大 AI 视频生成和长视频能力的演示和教程
WAN 2.2 在 X 上的热门评价
看看大家在 X (Twitter) 上对 WAN 2.2 Animate 的评价
Wan 2.2 Animate is CRAZY and it actually excels at 3 things from my tests: 1. Lip syncing (so far the best open source I have seen, beating Runway Act2) 2. Consistent lighting & shadows with color tone replication when you swap a character 3. It keeps the replacement character
Wan 2.2 Animate Lip syncing Test. Definitely way better than Runway Act2 in my opinion. Takes about 8 minutes for a HD video to be processed at 720p vertical (reels style)
You've probably seen viral character swaps from Wan 2.2 Animate. But now you can swap the character AND background using a reference video + new image. I turned myself into a YouTuber in Paris. How it works 👇
New tool to swap characters in a video: Wan 2.2 Animate Spent a few hours testing it out this weekend and have some thoughts on strengths + weaknesses. It's particularly strong at videos like this where you need to replicate lip sync and body movement. Other tips ⬇️
Wan 2.2 Animate is actually Crazy!! You can replace characters from a simple source image. No need to first frame anymore. It handles facial expressions and body movements like no other model I have ever seen. It is open source and free to use, that's the crazy part!
pretty much the end for dancing influencers lol… wan 2.2 animate can not only copy crazy camera moves, but it literally mimics body moves and.. even facial expressions accurately like honestly… can you even tell which one’s the real video?
omg... it's over... Hollywood has officially been left behind you can swap out any actor from any film in one click using Higgsfield’s Wan Replace, it even works with intense camera motion now, anyone can achieve Hollywood level motion control using AI here’s how to do it:
Just tried Wan2.2-Animate... and HOLY SMOKES, it's PERFECT! 🤯 @Alibaba_Wan
What used to take hours in After Effects now takes just ONE prompt. Nano Banana, Seedream 4, Wan 2.2, Runway Aleph et al are pioneering instruction-based editing -- collapsing complex VFX pipelines into a single, implicit step. Here's everything you need to know in 10 mins:
什么是 WAN 2.2
阿里巴巴突破性的专家混合视频生成模型，具有革命性架构和电影级质量
WAN 2.2 代表了AI视频生成技术的质的飞跃，推出了突破性的专家混合(MoE)架构，拥有270亿总参数和每个去噪步骤140亿活跃参数。相比前代产品，训练图像增加了65.6%，训练视频增加了83.2%，WAN 2.2实现了前所未有的电影级质量、动作保真度和生成效率，为AI驱动的视频创作树立了新标准。
WAN 2.2 代表了AI视频生成技术的质的飞跃，推出了突破性的专家混合(MoE)架构，拥有270亿总参数和每个去噪步骤140亿活跃参数。相比前代产品，训练图像增加了65.6%，训练视频增加了83.2%，WAN 2.2实现了前所未有的电影级质量、动作保真度和生成效率，为AI驱动的视频创作树立了新标准。
什么是 WAN 2.2
阿里巴巴突破性的专家混合视频生成模型，具有革命性架构和电影级质量
WAN 2.2 的先进功能
探索使WAN 2.2成为最强大AI视频生成模型的尖端功能，具备专家混合架构和前所未有的电影级质量
专家混合架构
革命性的双专家系统，拥有270亿总参数和每步140亿活跃参数，利用专门的高噪声和低噪声专家实现最佳计算效率和卓越视频质量。
大规模扩展训练数据
相比WAN 2.1，使用了65.6%更多的图像和83.2%更多的视频进行训练，包含带有详细光照、构图和调色标签的美学数据，以实现电影级输出。
增强运动一致性
提供卓越的时间一致性，具有流畅的物体交互、复杂的身体动作和流体相机运动，准确模拟现实世界的物理和动力学。
多分辨率支持
支持480p和720p视频生成，可配置16:9、9:16、1:1、4:3和3:4等宽高比，满足多样化创意应用和平台需求。
灵活帧控制
生成65-257帧（最长5秒）的视频，帧率8-30 FPS，为各种创意需求提供对视频时长和时间动态的精确控制。
先进文本生成视频
通过增强的语言处理，将详细文本提示转换为高质量视频，对复杂描述、动作序列和场景构图具有卓越理解能力。
高端图像生成视频转换
使用140亿A14B模型将静态图像转换为动态视频，在保持视觉一致性的同时为静止图像添加真实运动和时间深度。
消费级GPU优化
在NVIDIA RTX 4090和类似消费级硬件上高效运行，使专业级视频生成对没有企业级设备的创作者变得可及。
高质量电影级输出
产生电影质量的视频，具有增强的视觉保真度、真实的光照、专业的调色和自然的运动模糊，可与传统视频制作相媲美。
智能提示词处理
先进的提示词扩展和安全检查功能通过复杂的语言理解确保最佳结果，同时保持内容适宜性和创意意图。
可召回任务系统
内置任务召回功能允许检索待处理或正在处理的视频生成，提供无缝的工作流连续性和高效的资源管理。
开源可访问性
在Apache 2.0许可下发布，包含完整的模型权重和推理代码，使研究人员和开发者能够基于该技术构建创新应用。
WAN 2.2 常见问题
查找关于WAN 2.2专家混合架构、功能和使用的最常见问题答案
WAN 2.2采用突破性的双专家系统，拥有270亿总参数，但每个去噪步骤仅激活140亿参数。包括专门的高噪声和低噪声专家，在保持卓越视频质量的同时优化计算效率。该架构相比传统单模型方法实现了更快的推理速度和更好的结果。
WAN 2.2可生成最长5秒（65-257帧）的视频，支持480p和720p分辨率，可配置宽高比（16:9、9:16、1:1、4:3、3:4）。支持8-30 FPS帧率，提供50亿和140亿参数的文本生成视频变体，以及用于图像生成视频转换的高端140亿模型，具备电影级美学控制。
WAN 2.2使用英文提示词，支持多种提示词公式：基础公式（主体+场景+动作）、高级公式（增加美学控制+风格化）、图像生成视频公式（动作描述+相机运动）。使用具体的电影术语如'推镜头'、'静态镜头'、光照描述和风格化关键词可获得最佳效果。模型支持每个提示词最多512个词元。
WAN 2.2包含内置安全检查器和内容过滤系统，可在生成过程中启用。模型遵循负责任的AI实践，具有内容适宜性检查，虽然具体安全措施可根据使用情况要求进行配置。用户有责任在Apache 2.0许可条款下确保道德内容生成。
WAN 2.2提供三个主要变体：50亿文本生成视频（高效、消费者友好）、A14B文本生成视频（高端质量、卓越动作控制）、A14B图像生成视频（专门用于图像动画，具有增强的视觉一致性）。A14B模型提供更好的电影质量和动作保真度，但需要更多计算资源。
WAN 2.2需要大量计算资源，建议A14B模型在拥有80GB以上显存的系统上运行以获得最佳性能。像RTX 4090这样的消费级GPU可以运行模型，但生成时间较长。当前限制包括最长5秒视频时长、仅支持英文提示词，以及依赖高质量输入提示词才能获得最佳结果。
如何使用 WAN 2.2 进行文本生成视频
掌握使用WAN 2.2先进的专家混合架构和电影级控制从文本提示创建专业质量视频的艺术
step1
制作您的文本提示词
配置视频参数
生成和优化
如何使用 WAN 2.2 图片转视频
学习如何使用 WAN 2.2 的先进图片转视频生成功能，将静态图片转换为电影级视频
step1
上传您的图片
编写动作描述
生成和下载
价格
选择适合您的计划。没有隐藏费用，没有意外。
年付账单，享受50%折扣