Wan 2.2 レビュー：オープンウェイトの動き、規制なしは一本道のみ

当社のコンテンツ段階テストは公開していません。以下のギャラリーは日常のレジスタで、Wan 2.2 モデルページで公開されている職場でも見られる作例から取っています。

ガーゼ越しの人影。 風鈴が回ると、カーテンの向こうに横たわる人影がそれに合わせて動く——静止画 1 枚と因果関係を説明するプロンプトだけから作られたクリップで、それ以上のものはありません。

動く窓の光に照らされたドロッパーボトル。 カメラがゆっくり四分の一回転する間、帯状の光がガラスの上を滑っていく。ボトル自体は一度も動きません——それがこのテストの狙いです。

灰色のスタジオでの一歩前進。 ポートレートの静止画から、彼女は肩を回し、光を受けたサテンをきらめかせながら 2 歩ゆっくり進みます——1 つの仕草だけで 5 秒のクリップがどれだけ持つかを示す 720p のテイクです。

1 枚のコートに包まれる 2 人。 何もないところから 720p で書いたクリップ：無人のプラットフォームに雪が降り、2 人が 1 枚のオーバーコートに一緒に包まれ、息が白く曇り、ランプが点滅する——途切れない映画的な 1 拍です。

夕暮れに登る灯台の階段。 480p のテキストから動画の下書き：1 つのアクション、1 つのカメラ位置。解像度に費用をかける前に、ショットのアイデアが動きとして成立するか確かめるためのものです。

雨上がりの夜市。 シードを固定した縦位置の 720p テイクで、プロンプトを編集しても同じフレーミングを比較できます——湯気、裸電球の列、彼女がカメラに向かって歩く際にネオンを反射する濡れた路面。

画像から動画では、静止画が誰が何を着てどこにいるかを固定するので、プロンプトが運ぶべきは動きだけ、そして重要な場合はその動きの原因です。テキストから動画では、キャストを直接名指しし、人数と色を具体的に保ってください。曖昧な群衆やアンサンブルの表現がもっともずれの出やすいところでした。

1. 静止画からの因果関係（画像から動画）。

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.

このプロンプトを Wan 2.2 で試す →

2. 名指ししたキャストと具体的な人数（テキストから動画）。

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.

このプロンプトを Wan 2.2 で試す →

弱い例：「A ballerina practises alone in a bright studio.」開けたままにしたところ、当社自身のテストでは 1 人ではなく 3 人のダンサーが返ってきました。強い例： 冒頭でキャストを名指しし——「Cast: one woman」——アクションを描写する文の中でその人数を繰り返します。プロンプト 2 が「two of them」と「two people」を繰り返しているとおりです。

2026年9月16日から25日にかけて、Wan 2.2 の両エンドポイントに当社の五段階ラダーを実行しました。画像から動画では、L1 ほのめかし、L2 成熟したテーマ、L3 強めがすべての実行できれいに通過。L4 高強度は 3 回の試行すべてで弱められ、L5 極限の拘束・衝撃プローブは 4 回中 1 回通過し残りは弱められ、L5 極限のゴアプローブは 3 回ともきれいに通過しました。テキストから動画では、送ったすべての段——L5 極限の両プローブ種別を含む合計 19 回——が拒否で返ってきました。

ページのラベルはこの差を反映しています：画像から動画は置き換えのバッジ、テキストから動画はフィルターありのバッジです。当社側でどちらのエンドポイントにもコンテンツフィルターは追加していません。これは各タスクにおける Alibaba 自身のポリシーの挙動です。

まだ試していないこと： 終了フレームやより長い言葉によるプロンプトが画像から動画の L4 高強度の弱められ率を変えるかどうか、上位段での 2 人を超える場面、段階でのアニメ・イラスト調スタイル。

すべてのプロンプト、静止画、出力で成人のみ。実在し特定できる人物を、本人の同意なく描かないでください。また開始フレームとしてアップロードする写真の権利を必ずお持ちください。

Wan 2.2 の当社テスト外での評判は、それが Alibaba のこのラインで最後にオープンウェイトが公開されたバージョンであることに支えられています——それ以降のバージョン（2.5 以降）は API のみです。この決定は 1 年以上たった今も不満を呼んでいます。あるハッカーニュースのコメンターは、Alibaba がそれ以降の重みを一切公開しなくなったことに苛立ち、こう言い切っています。「Wan 2.2 はラグプルをやり、コミュニティに大きな穴を残した」——その上にツールやファインチューンを積み上げていたコミュニティにとって。

当社自身の実行はこのストーリーの中間に位置します。このエンドポイントの裏にあるオープンウェイトは、日常的な、あるいはそこそこ強めのプロンプトで静止画を説得力を持って動かし続けており、テキストのパスより画像から動画のパスがより多くを許容するのも、おそらくこの開放性ゆえでしょう。

• 自分で学習させた重みを持ち込みたい？ Wan 2.2 LoRA は同じベースを最大 3 つの LoRA スロットで実行し、一律クリップ単価ではなく秒単価です。当社の Wan 2.2 LoRA レビュー。
• 秒単価の規制なし版が欲しい？ Wan 2.2 Spicy は画像から動画のみで 480p は 1 秒 $0.019、8 秒オプションと終了フレームも追加されています。
• キャプションや静止画ではなくモーション転送やキャラクターアニメーションが必要？ Wan 2.2 Animate は参照パフォーマンスからキャラクターを駆動します。
• より新しい動きと長いテイクが欲しい？ Wan 3.0 はマルチショット演出と最長 30 秒のクリップを追加、480p は 1 秒 $0.045 からです。