Wan 2.2: movimento a pesi aperti, un solo percorso senza censura

Non pubblichiamo le nostre esecuzioni sulla scala di contenuto; la galleria qui sotto è il registro quotidiano, presa dagli esempi pubblicati e adatti al lavoro sulla pagina del modello Wan 2.2.

Una forma dietro la garza. Un campanaccio a vento gira e una sagoma sdraiata dietro una tenda si muove con esso — l'intero clip è costruito da un fermo immagine e un prompt che descrive causa ed effetto, nient'altro.

Una boccetta contagocce, illuminata da una finestra in movimento. La macchina da presa descrive un lento quarto di giro mentre una fascia di luce scorre sul vetro; la boccetta stessa non si muove mai, ed è proprio questo il punto del test.

Un passo avanti in uno studio grigio. Da un ritratto fermo, gira le spalle e fa due passi lenti, il raso che cattura la luce — una ripresa a 720p che mostra quanto lontano possa portare un singolo gesto in un clip di cinque secondi.

Due persone avvolte in un solo cappotto. Scritto dal nulla a 720p: la neve cade su una banchina vuota mentre due persone condividono un solo soprabito, il fiato si condensa, un lampione tremola — un momento continuo e cinematografico.

Una scala di faro, salita al crepuscolo. Una bozza a 480p in testo-in-video: un'azione, una posizione di macchina, per verificare se un'idea di inquadratura regge in movimento prima di spendere di più sulla risoluzione.

Un mercato notturno dopo la pioggia. Una ripresa verticale a 720p con un seed fisso, così la stessa inquadratura si può confrontare tra le modifiche al prompt — vapore, fili di lampadine e una strada bagnata che riflette il neon mentre lei cammina verso la macchina da presa.

Sull'immagine-in-video, il fermo immagine fissa chi, cosa indossa e dove si trova; il prompt deve portare solo il movimento e, dove conta, una causa per quel movimento. Sul testo-in-video, nomina il cast direttamente e mantieni il conteggio e il colore specifici — il linguaggio vago di folla o ensemble è dove abbiamo visto più scarto.

1. Causa ed effetto da un fermo immagine (immagine-in-video).

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.

Esegui questo prompt su Wan 2.2 →

2. Un cast nominato e un conteggio specifico (testo-in-video).

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.

Esegui questo prompt su Wan 2.2 →

Debole: «Una ballerina si esercita da sola in uno studio luminoso.» Lasciato aperto così, il nostro test è tornato con tre ballerine invece di una. Forte: nomina il cast in apertura — «Cast: one woman» — e ripeti il conteggio dentro la frase che descrive l'azione, come il prompt 2 ripete «two of them» e «two people».

Tra il 16 e il 25 settembre 2026 abbiamo lanciato la nostra scala di contenuto a cinque gradini su entrambi gli endpoint di Wan 2.2. Sull'immagine-in-video, L1 Allusivo, L2 Temi maturi e L3 Forte sono tornati puliti in ognuna delle nostre esecuzioni; L4 Intenso è tornato attenuato in tutti e tre i tentativi; la prova L5 Estremo di restrizioni e impact è stata resa una volta su quattro tentativi e attenuata nel resto; la prova L5 Estremo di gore è stata resa pulita in tutte e tre le esecuzioni. Sul testo-in-video, ogni gradino inviato — 19 esecuzioni in totale, da L1 Allusivo fino a entrambi i tipi di prova L5 Estremo — è tornato rifiutato.

Le etichette della pagina riflettono questa divisione: l'immagine-in-video porta il distintivo attenuato, il testo-in-video quello filtrato. Non aggiungiamo alcun filtro di contenuto nostro su nessuno dei due endpoint: questo è il comportamento della policy di Alibaba stessa su ciascun compito.

Non ancora testato: se un fotogramma di chiusura o un prompt più lungo e articolato cambia il tasso di attenuazione di L4 Intenso sull'immagine-in-video; scene con più di due persone ai gradini più duri; stili anime o illustrazione sulla scala.

Solo adulti, in ogni prompt, fermo immagine e risultato. Non ritrarre mai una persona reale e riconoscibile senza il suo consenso, e assicurati di avere i diritti su ogni foto che carichi come fotogramma d'apertura.

La reputazione di Wan 2.2 al di fuori dei nostri test si basa sull'essere l'ultimo rilascio a pesi aperti di Alibaba nella linea: le versioni successive (dalla 2.5 in poi) sono solo API. Quella decisione continua a suscitare lamentele più di un anno dopo. Un commentatore di Hacker News, frustrato che Alibaba abbia smesso di pubblicare pesi per qualunque cosa più recente, l'ha detto direttamente: «Wan 2.2 ha fatto uno strappo, ha lasciato un vuoto enorme per la community» che aveva costruito strumenti e fine-tuning sopra di esso.

Le nostre esecuzioni si collocano nel mezzo di quella storia: i pesi aperti dietro questo endpoint animano ancora un fermo immagine in modo convincente su consegne quotidiane e moderatamente forti, e presumibilmente è la stessa apertura il motivo per cui il percorso immagine-in-video tollera più del percorso testuale.

• Vuoi caricare i tuoi pesi addestrati? Wan 2.2 LoRA usa la stessa base con fino a tre slot LoRA, al secondo invece che a prezzo fisso per clip. La nostra recensione di Wan 2.2 LoRA.
• Vuoi la versione senza censura a prezzo al secondo? Wan 2.2 Spicy è solo immagine-in-video, $0.019 al secondo a 480p, e aggiunge un'opzione di otto secondi e un fotogramma finale.
• Ti serve trasferimento di movimento o animazione di personaggi invece di una didascalia o un fermo immagine statico? Wan 2.2 Animate guida un personaggio da una performance di riferimento.
• Vuoi un movimento più recente e una ripresa più lunga? Wan 3.0 aggiunge la regia multi-inquadratura e clip fino a 30 secondi, a prezzo al secondo da $0.045 a 480p.