原生音影片一體

2.2 開源模型實際輸出

• T2V-A14B / I2V-A14B / TI2V-5B — 無聲影片。
• S2V-14B — 你提供音訊，模型做動畫。
• Animate-14B — 動作遷移，不生成音訊。

2.5+ 產品補了什麼

公開的 2.5 介紹（fal、DashScope 類 API、聚合平臺）描述了對白、環境聲、配樂聯合生成，1080P，以及比 2.2 約 5 秒配方更長的片段。後續 2.6/2.7/3.0 繼續原生 AV，並加上多鏡頭或參考控制元件。這些都沒有以 Wan2.2 那種 GitHub checkpoint 形式釋出。

仍想留在開源權重上

繼續用 Apache-2.0 / 公開權重：先生成無聲 Wan2.2 影片，再用 ThinkSound（或其他 V2A）配 Foley；說話人頭用 CosyVoice + S2V。那是兩（或三）個模型，不是原生 AV。

常見問題

2.2 的 GGUF 會不會魔法加音訊？

不會。量化改的是權重量化型別，不是輸出模態。

S2V 算原生 AV 嗎？

不算。原生 AV 合成聲音；S2V 消費聲音。