Test de Wan 2.2 : mouvement à poids ouverts, un chemin sans censure

Nous ne publions pas nos essais d’échelle de contenu ; la galerie ci-dessous montre le registre du quotidien, tiré des exemples publiés, visibles au bureau, de la page du modèle Wan 2.2.

Une forme derrière la gaze. Un carillon à vent tourne et une silhouette allongée derrière un rideau bouge avec lui — tout le clip est construit à partir d’une seule image fixe et d’un prompt décrivant cause et effet, rien de plus.

Un flacon compte-gouttes, éclairé par une fenêtre mobile. La caméra décrit un lent quart de tour tandis qu’une bande de lumière glisse sur le verre ; le flacon lui-même ne bouge jamais, ce qui est le but du test.

Un pas en avant dans un studio gris. Depuis un portrait fixe, elle tourne les épaules et fait deux pas lents, le satin captant la lumière — une prise en 720p qui montre jusqu’où un seul geste peut porter un clip de cinq secondes.

Deux personnes enveloppées dans un manteau. Écrit à partir de rien, en 720p : la neige tombe sur un quai vide tandis que deux personnes partagent un seul manteau, leur souffle formant de la buée, une lampe qui vacille — un seul temps continu et cinématographique.

Un escalier de phare, gravi au crépuscule. Un brouillon en texte vers vidéo à 480p : une action, une position de caméra, pour vérifier si une idée de plan tient en mouvement avant de dépenser plus sur la résolution.

Un marché de nuit après la pluie. Une prise verticale en 720p avec une seed fixe, pour comparer le même cadrage entre plusieurs versions du prompt — vapeur, guirlandes d’ampoules et une rue mouillée reflétant le néon tandis qu’elle marche vers la caméra.

En image vers vidéo, l’image fixe fixe qui, ce que la personne porte et où elle se trouve ; le prompt ne doit porter que le mouvement et, quand c’est important, une cause à ce mouvement. En texte vers vidéo, nommez le casting directement et gardez le nombre et la couleur précis — c’est le langage vague de foule ou d’ensemble qui a le plus dérivé dans nos tests.

1. Cause et effet depuis une image fixe (image vers vidéo).

Cast: one woman. The camera stays on the shape behind the gauze. A wind chime turns and the figure lying behind the gauze curtain shifts with it, the curtain's shadow travelling across the body. Silent. Cinematic, heavy film grain.

Lancer ce prompt sur Wan 2.2 →

2. Un casting nommé et un nombre précis (texte vers vidéo).

Cast: one man and one woman. The camera stays on the two of them inside the one coat. Snow falls on an empty platform; two people are wrapped inside one overcoat, breath clouding between them, the platform lamp flickering. Cinematic, heavy film grain, sodium lamp in snow blue.

Lancer ce prompt sur Wan 2.2 →

Faible : « A ballerina practises alone in a bright studio. » Laissé ouvert ainsi, notre propre test est revenu avec trois danseuses au lieu d’une. Fort : nommez le casting d’entrée — « Cast: one woman » — et répétez le nombre dans la phrase décrivant l’action, comme le prompt 2 répète « two of them » et « two people ».

Entre le 16 et le 25 septembre 2026, nous avons fait passer notre échelle de contenu à cinq paliers aux deux points d’accès de Wan 2.2. En image vers vidéo, L1 Suggestif, L2 Thèmes matures et L3 Fort ont été rendus proprement à chacun de nos essais ; L4 Intense est revenu atténué sur les trois tentatives ; la sonde L5 Extrême de contrainte et jeux d’impact est passée une fois sur quatre et s’est atténuée le reste du temps ; la sonde L5 Extrême de gore est passée proprement sur les trois essais. En texte vers vidéo, chaque palier envoyé — 19 essais au total, de L1 Suggestif jusqu’aux deux types de sonde L5 Extrême — est revenu refusé.

Les labels de la page reflètent cet écart : l’image vers vidéo porte le badge atténué, le texte vers vidéo le badge filtré. Nous n’ajoutons aucun filtre de contenu de notre côté sur l’un ou l’autre point d’accès ; c’est le comportement propre de la politique d’Alibaba sur chaque tâche.

Pas encore testé : si une image finale ou un prompt plus long et détaillé change le taux d’atténuation de L4 Intense en image vers vidéo ; les scènes à plus de deux personnes aux paliers durs ; les styles anime ou illustrés sur l’échelle.

Uniquement des adultes, dans chaque prompt, image fixe et résultat. Ne représentez jamais une personne réelle et identifiable sans son consentement, et assurez-vous de détenir les droits de toute photo envoyée comme image de départ.

La réputation de Wan 2.2 en dehors de nos propres tests tient à ce qu’il soit la dernière sortie à poids ouverts d’Alibaba dans cette lignée : les versions suivantes (2.5 et après) sont API uniquement. Cette décision suscite encore des plaintes plus d’un an après. Un commentateur de Hacker News, frustré qu’Alibaba ait cessé de publier des poids pour quoi que ce soit de plus récent, l’a dit directement : « Wan 2.2 a fait un rug pull, laissant un énorme vide pour la communauté » qui avait construit des outils et des fine-tunes dessus.

Nos propres essais se situent au milieu de cette histoire : les poids ouverts derrière ce point d’accès animent encore une image fixe de façon convaincante sur des prompts du quotidien et modérément forts, et cette même ouverture explique sans doute pourquoi le chemin image vers vidéo tolère plus que le chemin texte.

• Vous apportez vos propres poids entraînés ? Wan 2.2 LoRA tourne sur la même base avec jusqu’à trois emplacements LoRA, facturé à la seconde plutôt qu’au prix fixe par clip. Notre test de Wan 2.2 LoRA.
• Vous voulez la version sans censure tarifée à la seconde ? Wan 2.2 Spicy est image vers vidéo uniquement, $0.019 la seconde en 480p, et ajoute une option de huit secondes et une image finale.
• Besoin de transfert de mouvement ou d’animation de personnage plutôt qu’une légende ou une image fixe ? Wan 2.2 Animate pilote un personnage à partir d’une performance de référence.
• Vous voulez un mouvement plus récent et une prise plus longue ? Wan 3.0 ajoute la direction multi-plans et des clips jusqu’à 30 secondes, tarifés à la seconde dès $0.045 en 480p.