Wan-AI/Wan2.2-T2V-A14B

Wan2.2-T2V-A14B 是由阿里巴巴发布的、业界首个采用混合专家（MoE）架构的开源视频生成模型。该模型专注于文本到视频（Text-to-Video）的生成任务，能够制作时长 5 秒、分辨率为 480P 或 720P 的视频。通过引入 MoE 架构，模型在保持推理成本几乎不变的情况下扩大了总容量；其包含一个处理早期阶段整体布局的高噪声专家，和一个精炼后期视频细节的低噪声专家。此外，Wan2.2 融入了精选的美学数据，对光照、构图、色彩等维度进行了细致标注，从而实现了对电影级风格更精准、可控的生成。与前代相比，该模型在更大数据集上进行了训练，显著增强了在运动、语义和美学等方面的泛化能力，能更好地处理复杂的动态效果。