# Wan2.2-I2V-A14B - 阿里万相MoE图生视频模型 > 阿里万相2.2图生视频,27B双专家MoE架构激活仅14B,支持480P/720P,电影级画质+复杂运动,Apache 2.0开源 ## Wan2.2-I2V-A14B — 阿里万相图生视频MoE模型 阿里万相2.2系列中的**图生视频模型**,采用创新的 **MoE(混合专家)架构**,总参数 27B,单步激活仅 14B,兼顾画质与推理效率。 ### 核心亮点 - **MoE 双专家架构**:高噪声阶段用"布局专家"负责整体构图,低噪声阶段用"细节专家"精修画面,总参数 27B 但推理算力只需 14B - **电影级画质**:训练数据标注了光照、构图、对比度、色调等维度,支持电影风格的精准控制 - **复杂运动生成**:相比 Wan2.1,图像数据量增加 65.6%,视频数据量增加 83.2%,运动/语义/美学泛化能力大幅提升 - **支持 480P + 720P**:单模型覆盖两种分辨率,满足不同场景需求 - **Apache 2.0 开源**:完全开放,商用无限制 ### MoE 架构详解 传统视频模型用单一网络处理整个去噪过程。Wan2.2 创新性地将去噪分两个阶段交给不同专家: | 阶段 | 专家模型 | 职责 | 参数量 | |------|---------|------|--------| | 早期(高噪声) | High-Noise Expert | 整体布局、构图、场景结构 | ~14B | | 后期(低噪声) | Low-Noise Expert | 画面细节、纹理、动态精修 | ~14B | 切换时机由信噪比(SNR)决定,两步各激活 14B,总参数 27B 但推理算力 ≈ 14B。 ### 快速上手 **安装:** ```bash git clone https://github.com/Wan-Video/Wan2.2.git cd Wan2.2 pip install -r requirements.txt # torch >= 2.4.0 ``` **下载模型:** ```bash huggingface-cli download Wan-AI/Wan2.2-I2V-A14B --local-dir ./Wan2.2-I2V-A14B ``` **图生视频:** ```bash python generate.py \ --task i2v-A14B \ --size 1280*720 \ --ckpt_dir ./Wan2.2-I2V-A14B \ --offload_model True \ --convert_model_dtype \ --image examples/i2v_input.JPG \ --prompt "描述你想要的视频效果" ``` > 单卡最低 80GB VRAM 可运行,支持 `--offload_model` 降低显存占用。 **ComfyUI 集成:** 已原生支持,ComfyUI Manager 搜索 Wan2.2 **Diffusers 集成:** [Wan2.2-I2V-A14B-Diffusers](https://huggingface.co/Wan-AI/Wan2.2-I2V-A14B-Diffusers) ### Wan2.2 系列对比 | 模型 | 类型 | 参数 | 特色 | |------|------|------|------| | **T2V-A14B** | 文生视频 | 27B (MoE) | 480P + 720P | | **I2V-A14B** | 图生视频 | 27B (MoE) | 480P + 720P | | **TI2V-5B** | 文+图生视频 | 5B (Dense) | 720P@24fps,消费级显卡可跑 | ### 适合谁 - 需要高质量图生视频的开发者 / 创作者 - ComfyUI / Diffusers 工作流用户 - 电商产品视频、数字人、老照片动起来等 I2V 场景 - 需要本地部署、可控生成的团队 ### 技术规格 - 架构:DiT + MoE(双专家) - 总参数:27B / 激活参数:14B - 文本编码器:umt5-xxl - VAE:Wan2.1 VAE - 分辨率:480P / 720P - License:Apache 2.0 - 论文:[Wan: Open and Advanced Large-Scale Video Generative Models](https://arxiv.org/abs/2503.20314) --- **分类**:软件 **标签**:视频 · Wan2.2 · A14B **作者**:Xiao.Xi **链接**:https://octohz.com/p/1822