阿里云近期宣布了一项重大开源举措——通义万相2.2版本正式对外开放。此次开源涵盖了三大核心模型：文生视频模型Wan2.2-T2V-A14B、图生视频模型Wan2.2-I2V-A14B，以及统一视频生成模型Wan2.2-TI2V-5B。
用户现在可以通过GitHub、HuggingFace和魔搭社区等多个平台下载这些模型的代码和资源。通义万相的官方网站和APP也提供了直接体验的机会，让开发者能够轻松上手。
值得注意的是，文生视频和图生视频模型均首次采用了MoE架构，总参数量高达27B，激活参数为14B。尤为特别的是，这两款模型内置了创新的电影美学控制系统，能够精准控制光影、色彩、构图和微表情，达到专业电影级别的制作效果。
Wan2.2-T2V-A14B和Wan2.2-I2V-A14B的设计巧妙结合了高噪声专家模型和低噪专家模型，前者负责视频的整体布局，后者则专注于细节优化。这种组合在同参数规模下，实现了约50%的计算资源节省。在性能上，通义万相2.2在复杂运动生成、人物交互和美学表达等多个维度上均取得了显著提升。
统一视频生成模型Wan2.2-TI2V-5B则是一款小巧而强大的模型，其尺寸仅为5B，却能同时支持文生视频和图生视频功能。更令人惊喜的是，它可以在消费级显卡上部署，大大降低了使用门槛。该模型采用了先进的3D VAE架构，实现了高达4×16×16的时间与空间压缩比，信息压缩率也提升至64，均达到了开源模型中的顶尖水平。
凭借这一高压缩率架构，Wan2.2-TI2V-5B仅需22G显存（单张消费级显卡），就能在短短数分钟内生成5秒高清视频。这一速度在24帧每秒、720P像素级的视频生成中堪称最快，为视频创作领域带来了全新的基础模型选择。
