Wan Video 2.2 - 14B 画像から動画へ

Wan Video

注意: Civitaiにホストされている他のWan Videoファイルもありますが、これらは重複の可能性があり、このモデルカードは主にCivitai GeneratorでWan Videoが使用するファイルをホストするためのものです。

これらのファイルはComfyUIリパックで、元のファイルはDiffusersのマルチパートsafetensors形式で入手できます。

Wan2.2は、私たちの視覚生成モデルの大幅なアップグレード版で、オープンソース化され、より強力な能力、優れたパフォーマンス、そして卓越した視覚品質を提供します。Wan2.2では次の技術革新の導入に重点を置いています：

👍 MoEアーキテクチャ: Wan2.2は動画拡散モデルにMixture-of-Experts (MoE)アーキテクチャを導入します。各タイムステップのノイズ除去プロセスを専門の強力なエキスパートモデルで分離することで、同じ計算コストで全体のモデル容量を拡大します。

💪🏻 データスケーリング: Wan2.1と比べてWan2.2は大幅に多いデータで訓練されており、画像が+65.6%、動画が+83.2%増えています。この拡張により動き、意味論、美学など複数の次元でモデルの一般化能力が著しく向上し、オープンソース・クローズドソース両方のモデルの中でトップの性能を達成しています。

🎬 映画的美学: Wan2.2は照明、構図、色に関する詳細なラベルが付いた特別に選定された美学データを組み込み、より正確かつ制御可能な映画的スタイルの生成を可能にし、カスタマイズ可能な美学的好みの動画作成を支援します。

🚀 効率的な高解像度ハイブリッドTI2V: Wan2.2は高度なWan2.2-VAEで構築された5Bモデルをオープンソース化しており、圧縮率16×16×4を実現しています。このモデルは720P 24fpsでテキストから動画及び画像から動画生成をサポートし、4090などの消費者向けグラフィックカードでも動作可能です。現在入手可能な中で最速クラスの720P@24fpsモデルであり、産業・学術両面のニーズに対応します。

Wan2.2-T2V-A14B

T2V-A14Bモデルは480Pおよび720P解像度で5秒動画の生成をサポートします。Mixture-of-Experts (MoE)アーキテクチャで構築されており、卓越した動画生成品質を提供します。新しいベンチマークWan-Bench 2.0では主要評価指標の多くで商用モデルを凌駕しています。

Wan2.2-I2V-A14B

I2V-A14Bモデルは画像から動画への生成用に設計されており、480Pおよび720P解像度をサポートします。Mixture-of-Experts (MoE)アーキテクチャで構築されており、非現実的なカメラ移動を抑えたより安定した動画合成を実現し、多様なスタイライズシーンのサポートも向上しています。

Wan2.2-TI2V-5B

TI2V-5Bモデルは圧縮率16×16×4を達成した高度なWan2.2-VAEで構築されています。このモデルは720P 24fpsでテキストからおよび画像から動画生成をサポートし、4090のような単一の消費者向けGPU上で動作可能です。現存する中で最速クラスの720P@24fpsモデルであり、産業用途と学術研究の両方の要求を満たします。

GitHub: https://github.com/Wan-Video/Wan2.2

元のHuggingFaceリポジトリ: https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/tree/main/split_files/diffusion_models