Wiki に戻る タスク

ネイティブ音声・動画生成

ネイティブオーディオビデオとは,サンプルが画像と同期サウンドトラック (スピーチ,エフェクト,音楽) を発信するものを意味します.その機能は Wan 2.5 および後期製品 APIs で広告されています.これは Wan2.2-T2V/I2V 開放量属性ではありません.

Wan 2.5API-onlysync
このページの目次 5
Wan2.2オープンシールートビデオ対 Wan 2.5+ネイティブオーディオビデオ APIs
製品ラインとチェックポイントを別々の箱に保管する.

2.2 オープンモデルが発射する

  • T2V-A14B / I2V-A14B / TI2V-5B 静かなビデオ
  • S2V-14B オーディオを持ってきて モデルがアニメーションをします
  • Animate-14B 動き転送;音声生成されていません.

2.5+ の製品が追加する

公衆 2.5 の書き込み (fal, DashScopeスタイル APIs,アグリエーター) は,対話,雰囲気,音楽, 1080P の共同生成,および 2.2 ~ 5 秒間のレシピよりも長いクリップを記述する.後 2.6/2.7/3.0 はネイティブ AV を保持し,マルチショットまたは参照制御を追加する.それらのいずれも Wan2.2-style GitHub チェックポイントとして公開されません.

オープン体重の代替品

Apache 2.0 / 公開の重量に留まるには: 音声のない Wan2.2 ビデオを生成し,フォリーのために ThinkSound (または別の V2A) を生成するか,話すヘッドのために CosyVoice を搭載する S2V をドライブする.これはネイティブ AV でではなく,2 (または3) モデルです.

よくある質問

ワイルドは 2.2 GGUF 魔法のように音声を追加する?
量化によって重量d型が変化する 輸出モードではなく
S2Vは AVネイティブとしてカウントされますか?
音源 AVは音合成する. S2Vは音消費する.

一次資料

Wan-Video/Wan2.2 README と照合済み · 2026年8月28日

© 2026 wan2.video