Wan-Video/Wan2.2

これは何？

主な機能

• 01480Pおよび720Pのテキスト・画像からの動画生成
• 02一般向けGPUで24fpsの720P動画を生成できるTI2V-5Bモデル
• 03音声入力を使った動画生成に対応し、CosyVoiceによる音声合成も任意で利用可能
• 04Wan-Animateのキャラクターアニメーションおよび置き換えモード
• 05FSDPとDeepSpeed Ulyssesによる単一GPU・マルチGPU推論
• 06DashScope APIまたはローカルのQwenモデルによる任意のプロンプト拡張

ユースケース

• 創作や研究向けに、テキストプロンプトから短い動画クリップを生成する
• 参照用のモーション動画を使って、キャラクターの静止画をアニメーション化する
• 音声トラックに合わせて、会話や歌唱をする動画を生成する
• 大容量メモリを搭載したGPUや一般向けGPU 1枚で動画生成の実験を行う

クイックスタート

1. 1

   リポジトリをクローンする

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

   プロジェクトフォルダーに移動する

   cd Wan2.2
3. 3

   依存関係をインストールする（torch >= 2.4.0 が必要）

   pip install -r requirements.txt
4. 4

   Hugging Face から T2V-A14B などのモデルをダウンロードする

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

使う前に知っておきたいこと

• !T2V-A14B モデルでシングル GPU の text-to-video を実行するには、offloading オプションを使用しない限り、少なくとも 80GB の VRAM を搭載した GPU が必要です。
• !Dashscope API によるプロンプト拡張には、有料の Alibaba Cloud API キーが必要です。
• !speech-to-video など一部の機能では、追加の依存関係を別途インストールする必要があります。

トピック

よくある質問

Wan2.2 とは？

テキスト・画像・音声からの動画生成やキャラクターアニメーションに対応した、大規模なオープンソース動画生成モデル。 Wan2.2は、Wanチームが公開する動画生成モデルファミリーです。テキストからの動画生成（T2V-A14B）、画像からの動画生成（I2V-A14B）、720P・24fpsを目標とする5Bのテキスト・画像からの動画生成モデル（TI2V-5B）、音声を入力に使う動画生成（S2V-14B）、そして参照画像のキャラクターをモーション動画に合わせて動かす、または動画内のキャラクターを置き換えるWan-Animate-14Bを提供しています。

Wan2.2 は無料で使えますか？ライセンスは？

Wan2.2 は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

Wan2.2 は今もメンテナンスされていますか？

活発にメンテナンス中。Wan2.2 の最終コミットは 2026年9月21日 です。

Wan2.2 は何に使えますか？

創作や研究向けに、テキストプロンプトから短い動画クリップを生成する 参照用のモーション動画を使って、キャラクターの静止画をアニメーション化する 音声トラックに合わせて、会話や歌唱をする動画を生成する 大容量メモリを搭載したGPUや一般向けGPU 1枚で動画生成の実験を行う

Wan2.2 のインストール方法は？

リポジトリをクローンする: git clone https://github.com/Wan-Video/Wan2.2.git プロジェクトフォルダーに移動する: cd Wan2.2 依存関係をインストールする（torch >= 2.4.0 が必要）: pip install -r requirements.txt Hugging Face から T2V-A14B などのモデルをダウンロードする: huggingface-cli download Wan-AI/Wan2.2-T2V-A14B --local-dir ./Wan2.2-T2V-A14B

Wan2.2 はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/Wan-Video/Wan2.2