阿里巴巴今晚正式开源视频生成模型"通义万相 Wan2.2"，此次发布包含三款核心模型: 文生视频 （Wan2.2-T2V-A14B）、图生视频 (Wan2.2-I2V-A14B) 和统一视频生成 (Wan2.2-IT2V-5B) 模型，标志着视频生成技术迎来重大突破。
业界首创 MoE 架构，计算效率提升 50%
通义万相 2.2 率先在视频生成扩散模型中引入 MoE（MixtureofExperts） 架构，有效解决了视频生成处理 Token 过长导致的计算资源消耗过大问题。其中文生视频和图生视频模型总参数量达 27B，激活参数 14B，均为业界首个使用 MoE 架构的视频生成模型。
该架构由高噪声专家模型和低噪专家模型组成，分别负责视频的整体布局和细节完善。在同参数规模下，可节省约 50% 的计算资源消耗，同时在复杂运动生成、人物交互、美学表达等维度上实现显著提升。
首创电影美学控制系统
Wan2.2 的一大亮点是首创的"电影美学控制系统"，在光影、色彩、构图、微表情等方面达到专业电影水平。用户通过输入"黄昏"、"柔光"、"边缘光"、"暖色调"、"中心构图"等关键词，模型可自动生成金色落日余晖的浪漫画面; 而使用"冷色调"、"硬光"、"平衡图"、"低角度"的组合，则能生成接近科幻片的画面效果。
消费级显卡即可部署的 5B 统一模型
通义万相还开源了一款 5B 小尺寸的统一视频生成模型，单一模型同时支持文生视频和图生视频功能。该模型采用高压缩率 3DVAE 架构，时间与空间压缩比达到 4×16×16，信息压缩率提升至 64，均实现开源模型的
该模型仅需 22G 显存 （单张消费级显卡） 即可在数分钟内生成 5 秒高清视频，是目前 24 帧每秒、720P 像素级生成速度最快的基础模型，大幅降低了 AI 视频生成的技术门槛。
多渠道开放使用
开发者可在 GitHub、HuggingFace、魔搭社区下载模型和代码，企业可通过阿里云百炼调用模型 API，普通用户还可在通义万相官网和通义 APP 直接体验。
自今年 2 月以来，通义万相已连续开源文生视频、图生视频、首尾帧生视频和全能编辑等多款模型，在开源社区的下载量已超 500 万次，为 AI 视频生成技术的普及和发展做出重要贡献。
开源地址:
GitHub:https://github.com/Wan-Video/Wan2.2
HuggingFace:https://huggingface.co/Wan-AI
魔搭社区:https://modelscope.cn/organization/Wan-AI
