Wan 2.2 模型 Wiki

按官方 README 與論文核對的 Wan2.2 Apache-2.0 地圖：任務 checkpoint、論文/倉庫裡的 DiT MoE 與 Wan-VAE 圖，以及社群推理棧（LoRA、FP8、GGUF、視訊記憶體、非同步 API）。Wan 2.5 起的原生音影片按產品線說明，不當成 2.2 權重能力。

從模型家族開始查看任務

已對照 Wan-Video/Wan2.2 README 核對 · 2026-08-28

Wan 開源模型家族

18

Wiki 條目任務、架構、推理

5

2.2 開源模型 T2V · I2V · TI2V · S2V · Animate

11

官方配圖 MoE、VAE、S2V、VACE、視訊記憶體

A2.0

許可證 2.2 權重 Apache 2.0

搜尋 Wiki

18 篇條目

模型家族

哪些開源 checkpoint 真實存在，後續閉源產品線補了什麼。

模型家族

Vidu S2: Avatar, Editing, API & Pricing

A September 21, 2026 guide to Vidu S2-Avatar and S2-Editing: 720p streaming, dynamic references, API modes, pricing, concurrency and benchmark caveats.

Vidu S2720pAvatar

模型家族

Wan 開源模型家族

對照 Apache-2.0 的 Wan2.1 / Wan2.2 開源權重與後續 2.5–3.0 閉源產品線，說明每個 checkpoint 真正覆蓋的任務。

Wan2.2Apache 2.0A14B

任務

文生、圖生、首尾幀、參考、語音、影片生音訊、原生音影片。

任務

文生影片

Wan2.2-T2V-A14B 與 TI2V-5B 把提示詞生成 480P / 720P 無聲影片。官方 generate.py 任務名、解析度與視訊記憶體下限。

t2v-A14Bti2v-5B720P

任務

圖生影片

I2V-A14B 與 TI2V-5B 把靜幀變成影片。畫幅跟隨輸入圖；若用 Qwen-VL 擴寫，提示詞可以留空。

i2v-A14BCLIPaspect

任務

首尾幀生影片

開源專用首尾幀模型是 Wan2.1-FLF2V，不是 Wan2.2 權重。ComfyUI 如何釘住兩幀，以及 2.2 I2V 實際在做什麼。

FLF2VWan2.1keyframes

任務

參考生影片

用參考圖或驅動影片鎖定身份與動作：Wan2.1-VACE（R2V / V2V / MV2V）與 Wan2.2-Animate-14B。

VACEAnimate-14BR2V

任務

語音生影片

Wan2.2-S2V-14B 用一張人像加說話/唱歌音訊生成對口型電影感影片。官方流水線圖與 generate.py 引數。

S2V-14BCosyVoicelip-sync

任務

影片生音訊

Wan2.2 的 T2V/I2V 輸出無聲畫面。音效與配樂來自 ThinkSound 這類獨立 V2A 模型，再與畫面混流。

ThinkSoundV2Afoley

任務

原生音影片一體

畫面、對白、音效一次生成是 Wan 2.5 起的產品能力。2.2 開源 T2V/I2V 權重不會自己出聲帶。

Wan 2.5API-onlysync

架構

DiT 骨幹、高低噪聲 MoE 專家與 Wan-VAE 壓縮。

架構

擴散 Transformer

Wan 是作用在 3D VAE 潛變數上的流匹配 DiT，不是 U-Net。補丁 token、UMT5 交叉注意力與時間步 AdaLN。

DiTflow matchingUMT5

架構

混合專家 MoE

A14B 使用兩個約 14B 專家（合計 27B，每步啟用 14B）。高噪聲專家管前期佈局，SNR 閾值後切到低噪聲專家精修。

A14BSNR27B/14B

架構

Wan-VAE

Wan2.2-VAE 把 T×H×W 壓縮到 4×16×16（資訊壓縮率 64），PSNR / SSIM / LPIPS 仍優於多個 4×8×8 VAE。

4×16×16TI2V-5BPSNR

推理

提示詞擴寫、LoRA、量化、視訊記憶體與非同步任務 API。

推理

提示詞擴寫

官方 generate.py 可用 DashScope Qwen 或本地 Qwen2.5 / Qwen2.5-VL，把短提示詞（或一張圖）擴寫成細描述。

QwenDashScope--use_prompt_extend

推理

影片 LoRA

在 Wan DiT 上掛低秩介面卡。MoE 通常要高噪聲 + 低噪聲成對 LoRA。不要把 T2V LoRA 直接套到 Animate。

LoRADiffSynthMoE pair

推理

影片量化

從官方 dtype 轉換到社群 FP8、GGUF、蒸餾與快取。每條路徑實際改的是計算圖裡的哪一層。

FP8GGUFLightX2V

推理

FP8 與 GGUF

FP8 仍是稠密 GPU 矩陣乘。GGUF 是給低視訊記憶體載入器的分塊量化權重檔案。兩者解決的是不同的視訊記憶體問題。

e4m3Q4_KComfyUI

推理

影片模型顯存

官方下限：A14B 單卡 ≥ 80 GB；TI2V-5B 開啟 offload ≥ 24 GB。T5、DiT、啟用和 VAE 各自佔哪一層視訊記憶體。

80GB4090offload

推理

影片 API 非同步任務

Wan 取樣要幾分鐘。DashScope、Gradio Space、Replicate 和 fal 都是返回任務 ID 再輪詢——不要把 HTTP 連線一直掛著。

DashScopeGradiojob_id

來源

開源權重止於 Wan2.2（外加 Wan2.1 的 FLF2V / VACE）。Wan 2.5、2.6、2.7、3.0 的原生音影片是 API 產品，沒有 2.2 那種公開 checkpoint。