Wan 2.2

Wan2.2とは、中国のアリババが開発しオープンソースのもとで公開した動画生成AIモデルです。

Wan2.1との主な違い

Wan2.1の後継品です。バージョンは0.1しか上がっていませんが完全に別物らしいです。

アーキテクチャと性能向上：Wan2.2はMixture-of-Experts（MoE）アーキテクチャを採用し、高ノイズ・低ノイズの段階で異なる専門家（エキスパート）を切り替えることで、より効率的な学習と生成を実現しています。これにより、パラメータは約270億と大規模ながらも、推論時には約14B程度の計算資源で動作可能です。
学習データの拡大：学習に用いる画像や動画を65.6％・83.2％増やし、映画的美学や動きの精度を大幅に改善し、より自然で高品質な動画生成が可能になっています。
生成解像度と速度：720p＠24fpsの高解像度動画生成をサポートし、コンシューマーGPU（例:NVIDIA RTX 4090）でも高速に動作します。
映画的美学と制御性：ライティングや構図の細部表現、色調調整などのコントロールも強化されています。


モデル名	パラメータ数	推奨VRAM容量	生成可能な動画解像度	用途・特徴
TI2V-5B	約5億	10GB以上	低〜中解像度（例：512×384）
T2V-A14B （テキスト→動画）	約140億	24GB以上	高解像度（720p程度）	複雑なテキストからの高品質動画生成に強み
I2V-A14B （画像→動画）	約140億	24GB以上	高解像度（720p～1080p）	高精細な画像から動画への変換に適している
フルモデル（MoE含む）	約270億	80GB前後	最高解像度・高フレームレート対応	大規模かつ高品質動画生成。研究用や商用大規模用途に最適

I2V-A14BとT2V-A14BであればGeForce RTX 4090があれば動かせます。ただし24GBの場合は720p程度が限界です。

フルモデルはA100やH100が必須です。Ryzen AI Max+ 395で動くかはまだ試していませんが、前作のWan2.1は動いたのでたぶん動くと思います。