Leia a linha oficial
| VAE | TxHxW | Características de dim | Taxa de informação | PSNR↑ | SSIM↑ | LPIPS↓ |
|---|---|---|---|---|---|---|
| SVD | 1×8×8 | 4 | 48 | 28.307 | 0,816 | 0,067 |
| Cosmos | 4×8×8 | 16 | 48 | 29.632 | 0,863 | 0,132 |
| Hunyuan | 4×8×8 | 16 | 48 | - 33 298 | 0,922 | 0,023 |
| CogVideoX1.5 | 4×8×8 | 16 | 48 | 32.955 | 0,922 | 0,040 |
| Wan2.1-VAE | 4×8×8 | 16 | 48 | 32.222 | 0,911 | 0,026 |
| Wan2.2-VAE | 4×16×16 | 48 | 64 | - A partir de 1 de março de 2013 | 0,922 | 0,022 |
O 2.2 VAE é mais comprimido espacialmente (16 vs 8) com um canal latente mais amplo (48 vs 16). Reconstrução ainda coincide ou vence o pacote 4×8×8 em SSIM e LPIPS nesta tabela. Isso é a afirmação de repetir não um slogan caseiro 64× melhor.
- Aplique TI2V-5B
README: com uma camada de patchagem extra, a compressão total TI2V-5Bs atinge 4×32×32. Combinada com uma 5B densa DiT, uma 720P clip de 5 segundos é citada como inferior a 9 minutos em um único consumidor GPU sem truques de compilador extras.
A14B ainda usa a família VAE anterior
A alta compressão VAE O Conselho Europeu de 5B O híbrido. 27B MoE T2V/I2V Os modelos mantêm um latente compatível com o 14B- escala de escala (Wan2.1-style 4×8×8) Mistura VAE Os pesos dessas famílias vão decifrar o lixo.
Perguntas frequentes
- Porquê quatro a tempo?
- Causal 3D VAE: quatro quadros (mais um limite) colapso para um latente temporal. É por isso que os comprimentos de vídeo são quadros 4n + 1.
- Posso decifrar 2,2 latentes com um 2.1 VAE?
- Não. A contagem dos canais e o passo espacial diferem (48 vs 16, 16 vs 8).
Fontes primárias
Verificado com o README do Wan-Video/Wan2.2 · 28 de agosto de 2026
