电影级视频生成模型来了景盛配资。
来自阿里，来自通义——通义万相 Wan2.2。并且率先将 MoE 架构实现到了视频生成扩散模型中，能够实现电影级效果。
嗯，依然发布即开源。
就在刚刚，阿里开源了新一代视频生成模型王者通义万相Wan2.2，包括文生视频、图生视频和混合视频生成。
其中Wan2.2-T2V-A14B和Wan2.2-I2V-A14B是业界首个使用 MoE 架构的视频生成模型，可一键生成电影级质感视频；5B版本则同时支持文生视频和图生视频，可在消费级显卡部署，也是目前最快的 24fps、720P 的基础模型。
无论是对比自家上一代模型 Wan2.1，还是视频生成模型标杆 Sora，Wan2.2 都明显有更强劲的表现。
那么话不多说，先看几个官方 demo 尝尝鲜。
Wan2.2 首先致敬了多部经典电影，从科幻片到爱情片，Wan2.2 都能 1:1 还原。
当然也可以创作自己的原创电影，想象自己是帅气的西部牛仔、沙漠中嗜血的孤狼。
仔细看，人物坐下时还能有极为真实的沙发回弹。
幻想题材也不在话下：
另外官方还做了部概念电影，点击下方立马大饱眼福～
难怪网友都直呼难以置信：
这么强还开源，一定需要用户很强的电影技术功底吧？
No No No！Wan2.2 只需要用户自由选择美学关键词，就能轻松拍出王家卫、诺兰等名导的相同质感画面。
更流畅的复杂运动过程、更强的物理世界还原，电影工业要被重塑了…
操作简单但效果不简单
具体上手体验下来，就是操作简单，但效果非常不简单。
在 Prompt 前加入自己的喜欢的美学关键词，就可以非常轻松地还原真实世界，多人互动也不会出现明显的动作扭曲，镜头变化也相当流畅。
从现实到虚拟的过渡也很自然，不会出现明显的突兀感。
在视频内还可以编辑文字，提升画面层次。
尤其是 Wan2.2 在光影上下足了功夫，影子的变换都足够平滑。
另外，Wan2.2 本次还支持 ComfyUI，借助其自动卸载功能，50 亿参数版本的显存要求直接降低至 8GB。
那么，具体是如何实现的呢？
首个 MoE 架构的视频生成模型
本次 Wan2.2 在模型架构上景盛配资，首次创新地将MoE 架构引入视频生成。
要知道视频生成模型目前面临的最大瓶颈，就是在扩展参数规模时，所涉及的 token 长度远超文本和图像。
而 MoE 架构通过将复杂输入拆分给多个专家模型分别处理，可实现在模型参数扩充的前提下，不额外增加多余的计算负载。
传统语言模型中 MoE 架构是在 Transformer 的 FFN 层进行多专家的切分，Wan2.2 则根据扩散模型的阶段性降噪过程，利用信噪比将其分为高噪声阶段和低噪声阶段。
然后通过选择900的去噪时间步，将模型分为高噪模型和低噪模型，输入首先交由高噪专家模型负责前期去噪并构建主体结构，再经过低噪专家模型进行后期去噪生成细节。
引入 MoE 架构后，Wan2.2 拥有了最低的验证损失（Validation loss），即生成视频与真实视频之间的差异最小，质量也最高。
相比于 Wan2.1，本次模型在训练数据上也实现了显著提升，其中图像数据增加了65.6%，视频数据增加83.2%。
其中更多的是集中在后期的美学数据上，引入专门的美学精调阶段，通过颗粒度训练，让模型能够生成与用户给定 Prompt 相对应的美学属性。
另外，模型在训练过程中还融合了电影工业标准的光影塑造、镜头构图法则和色彩心理学体系，将专业导演的美学属性进行分类并整理成美学提示词。
因此用户可自由选择合适的提示词组合，生成目标视频。
在训练后期，模型还通过RL 微调，进一步对齐人类审美偏好。
为了更方便地在消费级显卡上部署模型，5B 版本采用自研的高压缩比 3D VAE 结构，在视频生成隐空间中，分别在高度（H）、宽度（W）和时间（T）三个维度上进行 16x16x4 的压缩比，以减少显存占用。
通过引入残差采样结构和非对称编解码框架，可以在更高的信息压缩率下依旧保持重建质量领先。
电影级美学控制系统
Wan2.2 还首次推出了电影级美学控制系统，将光影、色彩、镜头语言三大电影美学元素全部打包装进模型，用户可直接通过选择美学关键词，就能获取电影质感的视频画面。
具体来说，首先是将复杂的电影摄影技术转化为12 个美学维度，共计60 多个专业级参数，包括：
光影氛围塑造
可自由选择不同时段的光线（如黄昏、黎明、夜晚），或者特定光源（如日光、人造光），也可以精准控制光线的强度（柔光或硬光）和光线方向（顶光、侧光等）。
也可以修改环境对比度高低，营造出明暗对比氛围。
镜头语言表达
可以调用多种构图法（如中心构图、对称构图等），灵活选择近远景或不同拍摄角度，精准控制画面焦点。
色彩情绪渲染
轻松切换色调温度（暖色调或冷色调），传递不同情绪范围，或者选择不同程度的饱和度。
另外，模型还提供不同的镜头焦距（如广角或长焦等），以及不同类型的镜头（如单人镜头、双人镜头等）。
因此用户只需要在指令前添加以上美学关键词前缀，模型就会自动理解不同美学元素间的内在联系，并精确响应用户需求。
除美学控制外，本次 Wan2.2 也在复杂运动能力上有了大幅度提升，重点针对四类动态表现能力进行了优化：
面部表情的细腻表达
Wan2.2 构建了人类面部原子动作和情绪表情系统，不仅能生成常见的喜怒哀乐，还可以还原复杂微表情，如"强忍泪水时的嘴唇颤抖"、"羞涩微笑中的脸颊微红"等。
提升手部运动的灵巧性
构建了丰富的手部动作系统，从基础物理操作到专业领域的精密动作范式都能够轻松生成。
增加单人与多人交互
无论是单人表演还是多人复杂互动，模型可理解角色间的位置关系、力量传递等，生成符合物理规律的动作序列，避免人物穿模。
提升高强度复杂体育运动的稳定性
对高速运动（如体操、竞技滑雪、花样游泳等）中存在失真的情况，Wan2.2 可以减少动作扭曲，让画面保持动感的同时兼具美感。
Wan2.2 还拥有更为强大的复杂指令遵循能力，可以生成物理规律严谨且细节丰富的现实世界动态表现，显著提升视频的真实感和可控性。
OMT
加上 Wan2.2，本周阿里通义实验室已经连续发布四项开源模型，包括之前的 Qwen3-Coder、Qwen3-235B-A22B-Instruct-2507（非思考版）模型、Qwen3-235B-A22B-Thinking-2507 推理模型。
其中通义万相作为通义大模型旗下的 AI 绘画创作模型，目前开源产品主要涵盖生图和生视频两大类，生视频又可细分为文生视频和图生视频，以及混合视频生成。
从 2 月底发布的Wan2.1开始，通义万相陆续开源多款模型，例如首尾帧生视频、Wan2.1-VACE，而 Wan2.2 则主要是在 Wan2.1 的技术模型上进行迭代升级，预计后续通义万相还将继续冲击国产开源视频生成宝座。
本次除了正式宣布 Wan2.2 的开源，官方还公布了万相妙思 +的全球创作活动，鼓励创作者积极探索 Wan2.2 的生动表现力，包括电影级镜头语言和极致运动表现等。
比赛要求使用通义万相作为主要创作工具，视频时长分兴趣组和专业组，兴趣组要求 5-15 秒，专业组要求 30 秒以上，视频大小不超过 500MB，格式为 MOV 或 MP4。
怎么说呢，中国的 AI 电影时代，可能要从杭州开始了。
现在距离你的电影大作，不需要导演、不需要剪辑、不需要摄影……只需要一个会提示词的编剧。
官网指路：https://wan.video/welcome
GitHub：https://github.com/Wan-Video/Wan2.2
Hugging Face：https://huggingface.co/Wan-AI
ModelScope：https://modelscope.cn/organization/Wan-AI
参考链接：
[ 1 ] https://blog.comfy.org/p/wan22-day-0-support-in-comfyui
[ 2 ] https://x.com/Alibaba_Wan/status/1949827662416937443
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
量子位「AI 100」产品榜单启动招募！
快来提名你心目里的百强产品～
� � 点亮星标 � �
科技前沿进展每日见景盛配资
广盛网提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
