快讯6 条
快讯3 条 · 可滚动
本站于 2026-10-19 补核;官方发布日期为 2026-10-17。

出处:DeepSeek 官方文档 · 更新日志官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-14。

出处:xAI · API Release Notes官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-13。

出处:Gemini API · Release notes官方

开源项目解析

Wan2.2

文生 / 图生 / 语音驱动 / 角色动画替换,480P–720P。五个变体。

混合专家按信噪比路由5B 变体单张 4090 能跑Apache 商用无灰色地带
Apache-2.0 可商用★ 18.0k 1224 星/月最后更新 2026-09-21 · 距核验日 1 个月仓库 ↗

读懂层

2 张 · 架构图 / 流程图

架构图代码结构

五条流水线

wan/configs/__init__.py
模型参数与尺寸

wan/modules/models/wan_model.py
DiT 主干

wan/image2video.py
T2V · I2V · TI2V

wan/speech2video.py
语音驱动

wan/animate.py
角色动画

高噪专家 ~13.5B

低噪专家 ~13.5B

视频 480P / 720P

DeepWiki 架构页 · 2026-08 索引 · 核验 2026-08-16

流程图两个专家怎么切

是 · 去噪前期

否 · 去噪后期

时间步 t

SNR = alpha_t² / sigma_t²

阈值 t_moe
取 SNR 降到 SNR_min/2 的那一步

t ≥ t_moe ?

high_noise_expert
约 13.5B · 管布局与构图

low_noise_expert
约 13.5B · 管细节

去噪后的隐变量

DeepWiki 架构页 · 抓取 2026-08-16 · 核验 2026-08-16

混合专家按信噪比路由:两个专家各约 13.5B,总参 27B、单次激活 14B,开 --offload_model 时显存内只驻留一个。TI2V-5B 走两段压缩共 4096×(VAE 1024× + DiT 分块 4×),这是它能落到单张 4090 的直接原因。

它管哪几个决定

运动幅度与方向首尾帧约束
4/10 家有官方说法
结果可复现权重与随机种子在本地
2/10 家有官方说法
分镜先出图,再图生视频
8/10 家有官方说法

自持能力

权重在不在本地可下载到本地
种子能不能填可填
换掉它要动几处几处

权重可下载可锁版本,种子是命令行参数

动手层

文档代码结构踩过的坑实测 未做

装它要过哪几关

  1. 1下载权重先选变体:TI2V-5B 才是消费级显卡能跑的那个,A14B 系列单卡 80GB 起
  2. 2装依赖按仓库给的 requirements;flash-attention 这类加速件装不上不影响能跑
  3. 3跑 generate.py三个降显存开关必须全开:--offload_model --convert_model_dtype --t5_cpu,少一个就上不了 24GB

改哪个文件能改什么

wan/configs/__init__.py模型参数与尺寸。改分辨率、步数从这里查参数名
wan/image2video.pyT2V / I2V / TI2V 三条路的流水线实现
wan/modules/models/wan_model.pyDiT 主干。要看两个专家怎么切换,看这里

坑在哪一处

带 issue 编号的来自:github issues 按回复数排序 · 核验 2026-08-16

README 的「24GB 可跑」那是三个开关全开之后的数字;不开优化同一个变体要 80GB。issue #58「out of memory」至今开着 —— 第一次跑爆显存基本都是这个原因
变体选择A14B 效果更好但单卡 80GB 起 —— 消费级显卡上它不是「慢」,是根本加载不了。issue #32 抱怨 5B 效果差,而 5B 恰恰是消费级唯一跑得动的那个:这是同一枚硬币的两面
耗时5 秒 720P 约 9 分钟,这是试错成本上限,一天能试的次数以十计
Windows 安装issue #111「W11 installation fail」开着 —— Windows 上装依赖是已知痛点,不是你环境的问题
用 diffusers 跑issue #69:同样参数下 diffusers 版画质更差(已关闭)。要对齐官方效果就用仓库自带的 generate.py,别图省事换封装
中文提示词issue #94:中文理解能力有限,开着。中文描述复杂场景时效果不稳

教程

官方文档、作者本人的视频,以及 ComfyUI 官方给的原生工作流示例。每条都验过还打得开。

项目自述

以下是仓库 README 的开头部分(原文引用,抓取 2026-08-17)。读全文 ↗

Wan2.2

    💜 Wan &nbsp&nbsp | &nbsp&nbsp 🖥️ GitHub &nbsp&nbsp  | &nbsp&nbsp🤗 Hugging Face&nbsp&nbsp | &nbsp&nbsp🤖 ModelScope&nbsp&nbsp | &nbsp&nbsp 📑 Paper &nbsp&nbsp | &nbsp&nbsp 📑 Blog &nbsp&nbsp |  &nbsp&nbsp 💬  Discord&nbsp&nbsp
    📕 使用指南(中文)&nbsp&nbsp | &nbsp&nbsp 📘 User Guide(English)&nbsp&nbsp | &nbsp&nbsp💬 WeChat(微信)&nbsp&nbsp

Wan: Open and Advanced Large-Scale Video Generative Models 

We are excited to introduce Wan2.2, a major upgrade to our foundational video models. With Wan2.2, we have focused on incorporating the following innovations:

- 👍 Effective MoE Architecture: Wan2.2 introduces a Mixture-of-Experts (MoE) architecture into video diffusion models. By separating the denoising process cross timesteps with specialized powerful expert models, this enlarges the overall model capacity while maintaining the same computational cost.

- 👍 Cinematic-level Aesthetics: Wan2.2 incorporates meticulously curated aesthetic data, complete with detailed labels for lighting, composition, contrast, color tone, and more. This allows for more precise and controllable cinematic style generation, facilitating the creation of videos with customizable aesthetic preferences.

- 👍 Complex Motion Generation: Compared to Wan2.1, Wan2.2 is trained on a significantly larger data, with +65.6% more images and +83.2% more videos. This expansion notably enhances the model's generalization across multiple dimensions such as motions,  semantics, and aesthetics, achieving TOP performance among all open-sourced and closed-sourced models. 

- 👍 Efficient High-Definition Hybrid TI2V:  Wan2.2 open-sources a 5B model built with our advanced Wan2.2-VAE that achieves a compression ratio of 16×16×4. This model supports both text-to-video and image-to-video generation at 720P resolution with 24fps and can also run on consumer-grade graphics cards like 4090. It is one of the fastest 720P@24fps models currently available, capable of serving both the industrial and academic sectors simultaneously.

Video Demos

🔥 Latest News!!
* Nov 13, 2025: 👋 Wan2.2-Animate-14B has been integrated into Diffusers (PR,Weights). Thanks to all community contributors. Enjoy!

* Sep 19, 2025: 💃 We introduct Wan2.2-Animate-14B, an unified model for character animation and replacement with holistic movement and expression replication. We released the model weights and inference code. And you can try it on wan.video, ModelScope Studio or HuggingFace Space!
* Aug 26, 2025: 🎵 We introduce Wan2.2-S2V-14B, an audio-driven cinematic video generation model, including inference code, model weights, and technical report! Now you can try it on wan.video,  ModelScope Gradio or HuggingFace Gradio!
* Jul 28, 2025: 👋 We have open a HF space using the TI2V-5B model. Enjoy!
* Jul 28, 2025: 👋 Wan2.2 has been integrated into ComfyUI (CN | EN). Enjoy!
* Jul 28, 2025: 👋 Wan2.2's T2V, I2V and TI2V have been integrated into Diffusers (T2V-A14B | I2V-A14B | TI2V-5B). Feel free to give it a try!
* Jul 28, 2025: 👋 We've released the inference code and model weights of Wan2.2.
* Sep 5, 2025: 👋 We add text-to-speech synthesis support with CosyVoice for Speech-to-Video generation task.

Community

……(后略,见原文)

判断

优势

  • Apache-2.0,商用无灰色地带
  • 5B 变体在单张 4090 上可实际运行,9 分钟出 5 秒 720P
  • 文生 / 图生 / 语音驱动 / 角色动画同仓

局限

  • 单次 9 分钟构成试错成本上限,一天可试次数以十计
  • 14B 系列消费级显卡不可用(80GB 起)
  • 封顶 720P,1080P 需另接超分

不适用

交付期紧的商单 —— 价值在沉淀方法,不在单次产出效率。

同管这些决定的其它项目

ComfyUI节点式工作流底座。图像 / 视频 / 音频 / 3D / 文本共用一个底座。…HunyuanVideo腾讯的开源视频生成模型,文生视频与图生视频。720×1280、129 帧。…FramePack把 13B 视频模型压进 6GB 显存的桌面程序。图生视频,一分钟长度、30 帧。…LTX-VideoLightricks 的视频生成模型,主打快。文生 / 图生 / 视频续写,默认 1…MiniMax H3全模态生成:文字、图片、视频、音频进同一个 Transformer,出带 32kHz…Real-ESRGAN通用图像 / 视频超分修复,支持 2× / 3× / 4×,含动漫专用与轻量模型。…Practical-RIFE视频插帧:在两帧之间算出中间帧,把 24 帧的片子补成 48、60 帧。作者是 RI…CodeFormer人脸修复:把糊掉、压坏、老照片里的脸修回来。图片与视频都能做。…MotionCtrl一个模型里分开控制镜头运动与物体运动。支持 SVD、VideoCrafter/LVD…Ollama一条命令在本机跑开源大模型。写脚本、翻译这两段靠它才不出本机。…DiffSynth-Studio魔搭扩散模型工程框架,覆盖图像、视频、音乐推理与训练;近期加入 FLUX.3、MOS…MoneyPrinterTurbo给个主题或关键词,一键出高清短视频,含字幕与配音。…火宝短剧基于 AI 的一站式短剧生成平台,从剧本到成片全自动化。…ToonflowAI 创作平台:无限画布、AI Agent、可视化工作流,支持图像、视频、分镜和短剧…infinite-canvas面向 AI 创作的无限画布工作台:生图、参考图编辑、视频生成、Agent 助手、画布…open-ai-canvas面向 AI 影视创作的无限画布:多模态生成、分镜编排、素材管理、Agent 工作流。…VOZEB PRO把统一创作 Agent、画布、短剧生产线、素材库和商业运营后台放进同一套 Next.…OpenMontage让 Agent 编排视频生产:通过声明式流水线组织素材、生成、字幕、音频与合成。…video-shotcraft为 Claude Code / Codex 提供产品宣传片镜头配方,以网页截图与文案…Generative Media Skills给 Agent(Claude Code / Cursor / Gemini CLI)…ComfyUI-ManagerComfyUI 的节点管理器:装节点、装模型、修依赖、查注册表。ComfyUI 生态…ComfyUI-WanVideoWrapper把 Wan 系列模型接进 ComfyUI 的节点包。社区里跑 Wan 的事实标准封装…ComfyUI 官方工作流模板ComfyUI 内置的那批官方工作流模板与子图蓝图的真身仓库。…waoowaoo把一部小说灌进去,自动拆角色、拆场景、出分镜,再合成整集短剧。中英双界面。…JellyfishAI 短剧的端到端工作台:从剧本进,到分镜、角色一致性管理、出片、导出。…魔因漫创桌面端 AI 影视工具(Electron):剧本 → 角色 → 场景 → 导演 → …BigBanana AI Director一站式 AI 短剧 / 漫剧工作台,四阶段:剧本 → 视觉资产 → 分镜制作 → 导…ClipForge带货短视频专用的一站式工具:上传商品图,自动提炼卖点、写种草脚本、配音配字幕加背景乐…短视频工厂跨平台桌面应用:给提示词文本加分镜素材,自动剪出产品营销或泛内容短视频。集成文案生成…AI YouTube Shorts Generator把一条长视频切成一批排好序的竖屏短片:用语言模型找高光片段、用 Whisper 转写…Open AI UGC生成 UGC 风格的口播广告:用多个视频模型出真人感的 AI 演员念你的脚本。定位是…ViGenAiR把一条已有的视频广告用生成式 AI 重新剪成适配不同版位与时长的多条。…Seedance 2.0 Prompt Skills给 Agent 装的 Seedance 2.0 提示词技能:讲输入约束、@ 引用语法…Drama Skills面向编剧与漫剧工作室的短剧创作流水线:十个技能把一个点子或一部长篇材料,一路做成分集…Seedance2 Storyboard Generator开源剧情剧本技能:把故事拆成分镜,并整合成 Seedance 2.0 认的结构化提示…AI Shortfilm Prompts一个 Claude Code 技能:把任意一个想法变成电影语言的、模型直接能用的视频…Awesome Seedance 2 Prompts整理好的 Seedance 2.0 视频提示词库,README 自述逾六千条,覆盖电…歸藏的提示词库中文 AI 圈里流传最广的个人提示词仓库之一,存放作者为各家模型撰写的提示词。…AI Visual Prompt Cookbook171 套结构化提示词风格、342 张预览;JSON 模板支持 v2.1 / v2.…PromptLensAI 视频提示词分析工具:丢进一条别人的视频,反推出它的提示词与创作脚本,并做画面分…Prompt Engineering Guide提示词工程的系统性指南:教程、论文、课程笔记与可运行的示例。不针对视频,讲的是提示词…蓝书 AI 视频工具包AI 视频提示词、技能与方法论工具包。2026-10-10 README 自述:60…

github README + DeepWiki 架构页 · 核验 2026-10-19 | 判断栏可报错。