wan2.2_ti2v_5B_fp16

Wan：开放且先进的大规模视频生成模型

我们很高兴推出 Wan2.2，这是对我们的基础视频模型的重大升级。在 Wan2.2 中，我们重点融入了以下创新：

• 👍 高效的MoE架构：Wan2.2 将混合专家（MoE）架构引入视频扩散模型。通过使用专门的强力专家模型在时间步之间分离去噪过程，该架构在保持相同计算成本的同时大幅提升了整体模型容量。

• 👍 电影级美学：Wan2.2 融入了精心策划的美学数据，包含光照、构图、对比度、色彩基调等详细标签。这使得生成更具精确性和可控性的电影风格视频，支持用户自定义美学偏好。

• 👍 复杂运动生成：与 Wan2.1 相比，Wan2.2 在规模显著更大的数据集上进行训练，图像数量增加 65.6%，视频数量增加 83.2%。这一扩展显著提升了模型在运动、语义和美学等多个维度的泛化能力，在所有开源和闭源模型中达到顶尖性能。

• 👍 高效的高清混合文本/图像到视频（TI2V）：Wan2.2 开源了一个基于先进 Wan2.2-VAE 构建的 5B 模型，实现了 16×16×4 的压缩比。该模型支持以 720P 分辨率、24fps 速率进行文本到视频和图像到视频生成，并可在消费级显卡（如 4090）上运行。它是目前最快的 720P@24fps 模型之一，能够同时满足工业界和学术界的需求。

本仓库包含我们基于先进 Wan2.2-VAE 构建的 TI2V-5B 模型，该模型实现了 16×16×4 的压缩比，支持以 720P 分辨率、24fps 速率进行文本到视频和图像到视频生成，并可在单张消费级 GPU（如 4090）上运行。它是目前最快的 720P@24fps 模型之一，能够同时满足工业应用与学术研究的需求。