Repolode
Enviar
Wan-Video

Wan-Video/Wan2.2

Modelos generativos de video de código abierto y gran escala para crear videos a partir de texto, imágenes o audio, y animar personajes.

Alternativa open source a:RunwaySora

Ver en GitHubSitio web
Estrellas
18,011
Forks
2,335
Issues abiertos
320
Último commit
hace 29 días

¿Qué es?

Wan2.2 es una familia de modelos de generación de video de código abierto del equipo Wan. Incluye modelos de texto a video (T2V-A14B), de imagen a video (I2V-A14B), un modelo de texto e imagen a video de 5B (TI2V-5B) orientado a generar video a 720P y 24fps, de audio a video (S2V-14B) y Wan-Animate-14B, que anima un personaje a partir de una imagen de referencia mediante un video de movimiento o lo reemplaza en un video.

Los modelos A14B usan una arquitectura Mixture-of-Experts con un experto de alto ruido para los primeros pasos de eliminación de ruido y otro de bajo ruido para el refinamiento posterior. En total, tienen unos 27B de parámetros, con aproximadamente 14B activos en cada paso. El modelo TI2V-5B usa un Wan2.2-VAE de alta compresión y puede ejecutarse en una sola GPU de consumo, como una RTX 4090, con opciones de offloading.

El repositorio incluye scripts de inferencia por línea de comandos, con modos para una GPU y para varias GPU (FSDP y DeepSpeed Ulysses), opciones para ampliar prompts mediante la API de DashScope o modelos Qwen locales, y pesos alojados en Hugging Face y ModelScope. También hay integraciones con Diffusers y ComfyUI.

Funciones clave

  • 01Generación de texto a video e imagen a video en 480P y 720P
  • 02Modelo TI2V-5B que genera video a 720P y 24fps en GPU de consumo
  • 03Generación de audio a video a partir de una entrada de audio, con la opción de usar la síntesis de voz de CosyVoice
  • 04Animación de personajes y modo de reemplazo con Wan-Animate
  • 05Inferencia en una o varias GPU con FSDP y DeepSpeed Ulysses
  • 06Ampliación opcional de prompts mediante la API de DashScope o modelos Qwen locales

Casos de uso

  • Generar clips de video cortos a partir de un prompt de texto para proyectos creativos o de investigación
  • Animar una imagen fija de un personaje usando un video de movimiento como referencia
  • Crear videos de personas hablando o cantando a partir de una pista de audio
  • Realizar experimentos de generación de video en una GPU de consumo o de gran memoria

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/Wan-Video/Wan2.2.git
  2. 2

    Entra en la carpeta del proyecto

    cd Wan2.2
  3. 3

    Instala las dependencias (se requiere torch >= 2.4.0)

    pip install -r requirements.txt
  4. 4

    Descarga un modelo, por ejemplo, T2V-A14B, desde Hugging Face

    huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B

Antes de usarlo

  • Para generar texto a vídeo con una sola GPU y el modelo T2V-A14B, se necesita una GPU con al menos 80 GB de VRAM, salvo que se utilicen opciones de offloading.
  • La ampliación de prompts mediante la API de Dashscope requiere una clave de API de pago de Alibaba Cloud.
  • Algunas funciones, como speech-to-video, requieren instalar dependencias adicionales por separado.

Temas

#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts#pytorch#speech-to-video#generative-ai#aigc

Preguntas frecuentes

¿Qué es Wan2.2?
Modelos generativos de video de código abierto y gran escala para crear videos a partir de texto, imágenes o audio, y animar personajes. Wan2.2 es una familia de modelos de generación de video de código abierto del equipo Wan. Incluye modelos de texto a video (T2V-A14B), de imagen a video (I2V-A14B), un modelo de texto e imagen a video de 5B (TI2V-5B) orientado a generar video a 720P y 24fps, de audio a video (S2V-14B) y Wan-Animate-14B, que anima un personaje a partir de una imagen de referencia mediante un video de movimiento o lo reemplaza en un video.
¿Wan2.2 es gratuito? ¿Qué licencia tiene?
Wan2.2 es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿Wan2.2 sigue mantenido?
Mantenimiento activo. El último commit de Wan2.2 fue el 21 sept 2026.
¿Para qué puedo usar Wan2.2?
Generar clips de video cortos a partir de un prompt de texto para proyectos creativos o de investigación Animar una imagen fija de un personaje usando un video de movimiento como referencia Crear videos de personas hablando o cantando a partir de una pista de audio Realizar experimentos de generación de video en una GPU de consumo o de gran memoria
¿Cómo se instala Wan2.2?
Clona el repositorio: git clone https://github.com/Wan-Video/Wan2.2.git Entra en la carpeta del proyecto: cd Wan2.2 Instala las dependencias (se requiere torch >= 2.4.0): pip install -r requirements.txt Descarga un modelo, por ejemplo, T2V-A14B, desde Hugging Face: huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B
¿Dónde consigo Wan2.2?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Wan-Video/Wan2.2

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados