阿里巴巴云宣布其备受期待的视频生成AI模型Wan2.2即将在近期正式发布。作为Wan2.1的升级版本，Wan2.2预计在性能、效率和功能上实现重大突破，继续秉承阿里开源AI的战略，巩固其在全球AI视频生成领域的领先地位。继Wan2.1于2025年2月开源并取得广泛成功后，Wan2.2的推出引发了开发者社区和行业的热烈讨论。
Wan2.2:技术升级，性能再突破
Wan2.1凭借其时空变分自编码器（VAE）和扩散变换器（DiT）架构，已在VBench基准测试中以84.7%的得分超越OpenAI的Sora（84.28%）。据社交媒体讨论，Wan2.2预计进一步优化这些技术，显著提升视频生成速度和质量，尤其是在高分辨率(如1080p)和长视频生成中的表现。 预计新增功能包括:
- 文本到视频（T2V）:支持更高分辨率（如1080p和4K）以及更长的视频生成，生成时间进一步缩短。
- 图像到视频（I2V）:提升动态场景的流畅性和真实性，支持更复杂的动作和场景转换。
- 视频到音频（V2A）:增强从视频内容生成匹配音频的能力，提升多模态创作体验。
- 多语言与风格扩展:支持更多语言的文本效果生成，并新增多样化的艺术风格模板，如赛博朋克、写实动画等。
- 硬件优化:进一步降低硬件需求，T2V-1.3B模型预计在更低显存（如6GB）设备上运行，扩大用户覆盖范围。
Wan2.2的训练数据预计在Wan2.1（15亿视频、100亿图像）的基础上进一步扩充，优化数据筛选以提升生成内容的多样性和真实性。
Wan2.2将继续采用Apache2.0许可证，通过Alibaba Cloud ModelScope和Hugging Face免费提供代码和模型权重，支持学术研究和商业应用。Wan2.1已推出T2V-1.3B、T2V-14B、I2V-14B-720P和I2V-14B-480P四种变体，Wan2.2预计将新增更多模型变体，针对不同硬件和场景进一步优化。
开发者对Wan2.2的开源前景充满期待，认为其将进一步挑战OpenAI Sora等封闭模型的市场主导地位，推动AI视频生成技术的民主化。阿里此举不仅降低了技术门槛，也为全球开发者提供了更多创新空间。