Wan 2.2: что умеет выпуск с открытыми весами

Wan 2.2 — выпуск видеомодели Alibaba, вышедший в июле 2025 года. Он снимает пятисекундный ролик по описанию словами или по присланному кадру и отдаёт его без звука. Это последний выпуск семейства, файлы которого выложены наружу, поэтому именно его ставят себе на компьютер. Тот же кадр снимается и в браузере, без своего железа.

Попробуйте Wan 2.7 — чат с нейросетью онлайн и без регистрации, ниже на странице.

Что вышло под именем Wan 2.2

Alibaba выложила код и веса выпуска Wan 2.2 28 июля 2025 года; в тот же день выпуск появился в ComfyUI и в Diffusers, а в облаке Model Studio встали платные записи wan2.2-t2v-plus и wan2.2-i2v-plus (хранилище Wan2.2 у разработчика, каталог новых моделей Model Studio).

Новое в выпуске — устройство самой модели. В крупном издании работают два эксперта: первый считает начало и ставит общее построение кадра, второй считает конец и добавляет подробности. Параметров у пары 27 миллиардов, а на каждом шаге работают 14 миллиардов — отсюда и имя издания, A14B. Рядом выложено издание поменьше, под бытовую видеокарту: там одна модель принимает и текст, и картинку.

Чем выпуск 2.2 отличается от выпуска 2.1

Снаружи два выпуска похожи, и это сбивает с толку. Ролик у обоих длится ровно пять секунд, предел описания один и тот же — 800 знаков, готовое видео выходит без звука. Разница сидит в устройстве модели и в наборе изданий.

Крупное издание выпуска 2.1 считало ролик одной моделью от начала до конца. В выпуске 2.2 его разделили надвое, поэтому один ролик проходит через две модели подряд, а не через одну. Отсюда и имя A14B вместо простого 14B, которое осталось за выпуском 2.1.

Второе различие — издание под слабую видеокарту. У выпуска 2.1 таким изданием было облегчённое, на 1,3 миллиарда параметров, и снимало оно в 480P. У выпуска 2.2 его место занял TI2V-5B: одна модель принимает и текст, и картинку, а разрешение у неё выше — 720P.

Третье — то, что к каждому выпуску добавили позже. К выпуску 2.1 в апреле и мае 2025 года добавили два издания: одно снимает ролик по первому и последнему кадру, другое отвечает за правку и сборку ролика. К 2.2 в августе и сентябре того же года добавили ещё два издания, S2V и Animate; о том, что они делают, сказано ниже.

Почему на своей машине ставят именно выпуск 2.2

Открытые веса семейства заканчиваются на этом выпуске. У Wan-Video на github шесть хранилищ, и номер версии несут два — Wan2.1 и Wan2.2. На Hugging Face у Wan-AI 27 моделей: номер у них 2.1 или 2.2, а у одной номера нет вовсе (страница моделей Wan-AI). Лицензия везде Apache 2.0: разработчик прямо пишет, что прав на снятое вами за собой не оставляет, а документация ComfyUI добавляет, что коммерческая работа этой лицензией разрешена (инструкция ComfyUI по Wan 2.2).

Выпуски 2.5, 2.6, 2.7 и 3.0 живут в облаке Alibaba: документация и цена за секунду у них есть, файлов нет. Поэтому расчёт на своей видеокарте собирают на выпуске 2.2 — самом свежем из выложенных файлами. Вся линейка разобрана на странице Wan нейросеть.

Издания весов: A14B и 5B

Наружу выложены два набора файлов, и по их именам выпуск чаще всего и ищут. A14B — крупное издание, то самое из двух частей; под коротким «14B» у выпуска 2.2 понимают именно его, потому что 14B без буквы A относится к выпуску 2.1. TI2V-5B, оно же 5B, — издание поменьше, из одной модели. Рядом лежат сжатые пересборки, которые ищут по словам fp8 и GGUF, и дополнения сообщества: ускоряющие приставки и сборки, где всё сложено в один файл. Размер каждого файла, сколько видеопамяти просит издание, сколько идёт расчёт на разных видеокартах и чем 5B платит за скорость — на странице Wan в ComfyUI.

Длительность, разрешение и звук у Wan 2.2

Ролик выпуска 2.2 длится ровно пять секунд, и поля выбора длительности у него нет. Разрешений два: 480P и 720P у изданий A14B; издание 5B отдаёт 720P при 24 кадрах в секунду. Ролик выходит немым, и это свойство ранних выпусков: в руководстве Alibaba сказано, что беззвучное видео дают только 2.1 и 2.2, а у выпусков от 2.5 и дальше звук идёт в ролике по умолчанию (руководство по режиму «текст в видео»). Описание сцены вмещает до 800 знаков, ответ приходит файлом MP4 с кодированием H.264.

Кроме ролика из текста и ролика из картинки у выпуска три отдельные работы. Модель S2V делает ролик под присланную звуковую дорожку и подгоняет под неё губы: дорожка принимается короче 20 секунд и легче 15 мегабайт, а длина готового ролика равна её длине. Animate переносит движение с ролика-образца на персонажа с картинки и заменяет персонажа в готовом ролике: картинка до 5 мегабайт, ролик-образец от 2 до 30 секунд и до 200 мегабайт.

Wan 2.2 рядом с выпусками 2.7 и 3.0

Сравнение идёт по тому, что каждый выпуск даёт задать в запросе.

Правка снятого ролика словами появилась в выпуске 2.7 отдельной моделью: ей отдают готовый ролик и указание обычными словами, а поменять оно может действие героя, реплику, одежду и обстановку. Разбор режимов и полей у каждого выпуска — на отдельных страницах: Wan 2.7 и Wan 3.0 Video.

Если тот же кадр нужен сегодня и без своей видеокарты

Считает ролик сама модель на своей стороне, поэтому хватает обычного браузера.

1. Войдите на сайт. Отдельной регистрации нет: счёт заводится при первом входе, и запуск идёт с него.
2. Выберите работу переключателем над формой. Съёмка по описанию, съёмка от присланного кадра, съёмка по образцам героев или правка уже снятого ролика.
3. Напишите описание сцены. Кто в кадре, чем он занят, где это происходит, как ведёт себя камера и каким светом снято.
4. Приложите файлы в отдельные поля, если работа их требует. Начальный кадр, конечный кадр, образцы героев, звуковую дорожку.
5. Задайте разрешение и длительность. Счёт складывается из секунд готового видео, а разрешение меняет ставку за секунду.
6. Скачайте результат. Готовый ролик открывается прямо в форме, под ним стоит кнопка «Скачать», файл приходит в mp4.

Что писать в описании сцены и в каком порядке, разобрано на странице Wan нейросеть.

Ставка считается за секунду готового видео и зависит от разрешения: у Wan 2.7 в 720p это 9 ₽, у Wan 3.0 Video отсчёт начинается с 4,5 ₽. Итог виден ещё до запуска: сумма сначала удерживается, а списывается по факту, а если поставщик вернул отказ, удержание отменяется и деньги остаются на счету. Оплата идёт рублями, картой российского банка. Ставки всех записей стоят в каталоге, а соседние модели для видео собраны на странице нейросеть для видео.

Вызов той же модели из своей программы — Wan API.

Частые вопросы

Что такое Wan 2.2 и чем этот выпуск отличается от предыдущего? Wan 2.2 — выпуск видеомодели Alibaba от 28 июля 2025 года. От выпуска 2.1 его отличают две вещи: крупное издание собрано из двух экспертов, где первый отвечает за построение кадра, а второй за подробности, и рядом встало издание поменьше под бытовую видеокарту.

Можно ли скачать Wan 2.2 и запустить у себя? Да, веса выложены под лицензией Apache 2.0 на Hugging Face и на github, и коммерческая работа этой лицензией разрешена. Какие именно файлы качают, что кроме самой модели понадобится и как собирают схему запуска — на странице Wan в ComfyUI.

Что означает A14B и почему файлов два — high noise и low noise? A14B — крупное издание выпуска: два эксперта одной модели, из которых первый работает в начале расчёта, а второй в конце. Веса каждого лежат в своей папке, high_noise_model и low_noise_model, отсюда и два файла вместо одного. Издание 14B без буквы A относится к выпуску 2.1. Размеры папок и правило про одинаковое сжатие обеих частей — на странице Wan в ComfyUI.

Пойдёт ли Wan 2.2 на моей видеокарте? Это зависит от издания и от того, каким способом его запускать: у кода разработчика требования одни, у ComfyUI со сжатыми файлами другие. Обе стороны, замеры практиков на картах от 8 до 32 гигабайт и то, где расчёт обрывается по нехватке памяти, собраны на странице Wan в ComfyUI.

Сколько длится ролик Wan 2.2 и есть ли у него звук? Ролик длится ровно пять секунд, поля выбора длительности у выпуска нет. Звук в ролике появился начиная с выпуска 2.5: в руководстве Alibaba сказано, что беззвучное видео дают только 2.1 и 2.2.

Что такое wan 2.2 i2v и wan 2.2 animate? I2V — режим «ролик из картинки»: на вход идут кадр и описание, на выходе пятисекундный ролик. Animate — перенос движения с ролика-образца на персонажа с картинки и замена персонажа в готовом ролике; ролик-образец принимается длительностью от 2 до 30 секунд.

Чем Wan 2.2 отличается от Wan 2.7 и Wan 3.0? Длительностью, разрешениями и тем, что кладут в запрос. У 2.2 ролик всегда пять секунд, разрешения 480P и 720P, описание до 800 знаков. У Wan 2.7 длительность от 2 до 15 секунд, есть отрицательное описание, первый и последний кадр, образцы героев и правка снятого ролика словами. У Wan 3.0 Video ролик доходит до 30 секунд, а звук отключается полем.

Сколько стоит снять такой же ролик без своей видеокарты? Счёт идёт по секундам готового ролика, а разрешение меняет ставку: у Wan 2.7 в 720p секунда стоит 9 ₽, у Wan 3.0 Video отсчёт начинается с 4,5 ₽. Итог виден до запуска; расплачиваются рублями с карты российского банка, а по задаче, закончившейся отказом, удержанное возвращается полностью.

Чат с нейросетью онлайн

ChatGPT, Claude, Gemini, Nano Banana и другие нейросети — в одном окне, прямо в браузере. Выберите нужную в списке над полем ввода и напишите задание: первый ответ бесплатно и без регистрации. Больше моделей и история разговоров — в чате с нейросетью.