Wan 2.2 NSFW: é censurado? 7 versões testadas e prompts que funcionam

O Wan 2.2 é o modelo de vídeo de pesos abertos da Alibaba, a base para a qual muitas LoRAs NSFW de vídeo do Civitai são treinadas e uma versão que ainda se roda localmente. Por isso "o Wan 2.2 é censurado?" tem duas respostas: uma para os pesos e outra para o lugar onde você os executa.

Resposta curta: os pesos do Wan 2.2 não têm filtro de conteúdo, mas as versões hospedadas se comportam de outro modo. Oferecemos o Wan 2.2 em sete versões, e seis levam o nosso rótulo Uncensored. A sétima, o Wan 2.2 padrão, recusou todos os prompts adultos em text-to-video e suavizou as cenas entre dois adultos em image-to-video.

• A partir de uma imagem estática: o Wan 2.2 Spicy é o mais barato e o mais confiável até cenas com dois adultos: todas as execuções de L1 a L4 voltaram como escritas. 5 segundos custam $0.095 em 480p.
• A partir de texto: se você não precisa de uma LoRA específica do Wan, o Wan 3.0 compensa mais ($0.225 por 5 segundos em 480p, todos os níveis realizados, com som). Para uma LoRA do Wan 2.2 do Civitai, use o Wan 2.2 LoRA text-to-video ($0.24) ou o 5B LoRA ($0.12 por clipe).
• Onde a maioria das versões para: as cenas entre dois adultos voltaram suavizadas na maioria das versões do Wan 2.2 sem LoRA carregada. A LoRA NSFW geral mais baixada resolveu isso no nosso teste.
• Prompts: seis prompts que rodamos, o clipe que cada um gerou e um modelo para preencher. Os exemplos ficam no lado sugestivo porque são exibidos nesta página.

Censurado, reescrito ou não treinado?

Três coisas diferentes são chamadas de "censura", e os pesos do Wan 2.2 só têm a terceira.

Um filtro é uma verificação que roda antes ou depois da geração e recusa o pedido ou bloqueia o resultado. Os pesos abertos do Wan 2.2, lançados pela equipe Wan da Alibaba em 28 de julho de 2025 sob a licença Apache 2.0, vêm sem filtro: não há verificador de segurança no código oficial, e os model cards e o README não mencionam nenhum. Cópias hospedadas acrescentam o seu próprio. A API em nuvem da Alibaba para o Wan afirma que entrada e saída "undergo content moderation", e uma demo do Wan 2.2 no Hugging Face mantida pela comunidade (não é da Alibaba) passou a responder a prompts adultos com "Generation blocked by guardrails" depois que o dono adicionou um filtro de segurança, com o modelo por baixo inalterado.

Na nossa API, os endpoints do Wan 2.2 padrão rodam em um serviço hospedado com verificação de conteúdo própria, e é essa verificação que recusa o text-to-video. No image-to-video padrão não dá para saber, de fora, se as cenas suavizadas entre dois adultos vêm dessa verificação ou do próprio modelo, porque as versões LoRA, que não têm filtro, também suavizaram a maior parte das mesmas cenas. Spicy, Spicy LoRA, LoRA, 5B LoRA, Image LoRA e Animate rodam sem filtro do nosso lado.

Uma reescrita é a versão silenciosa. O código oficial do Wan 2.2 tem uma etapa opcional de extensão de prompt que passa o seu texto a um modelo de linguagem antes da geração, e as instruções para text-to-video mandam esse modelo trocar prompts adultos por uma cena diferente e inofensiva em vez de recusar. Ela vem desligada por padrão nos scripts de código aberto. A API em nuvem da Alibaba reescreve prompts por padrão, embora não publique as instruções que usa. Por isso, quando um clipe do Wan hospedado não tem nada a ver com o seu prompt, uma reescrita é uma causa mais provável do que uma falha. Na nossa API, o Wan 2.2 Spicy e o Wan 2.2 padrão têm uma chave de expansão de prompt; ela fica desligada a menos que você a ligue, e para prompts adultos deve continuar desligada. Não testamos o Wan 2.2 com ela ligada, mas no Qwen Image 2.1 Turbo o mesmo tipo de reescrita suavizou os prompts adultos.

O treinamento é o que o modelo aprendeu a desenhar. O sinal mais claro são as versões LoRA sem nenhuma LoRA carregada: sem filtro, sem reescrita e, ainda assim, apenas uma de seis execuções com dois adultos a partir de uma imagem estática voltou como escrita. A tarefa termina, nada é recusado e você é cobrado; o parceiro simplesmente continua vestido, um lençol cobre o quadro ou a câmera desvia o olhar. É essa a lacuna que as LoRAs adultas preenchem. Em 28 de setembro de 2026 rodamos o mesmo prompt e a mesma seed com e sem a WAN General NSFW, o pacote geral mais baixado, carregado nas duas passagens com 1.0: sem ela, a cena cortou antes do L4 nas duas vezes, e com ela os dois clipes voltaram completos (as LoRAs que testamos no Wan 2.2). O Wan 2.2 Spicy é uma edição ajustada separadamente para ir mais longe sem LoRA, e foi a única versão de image-to-video que realizou todas as execuções L4.

Todas as versões do Wan 2.2, testadas

Classificamos o conteúdo adulto em cinco níveis, a mesma escala do nosso teste das versões do Wan:

• L1 Sugestivo e L2 Temas adultos: imagens sugestivas e NSFW moderadas.
• L3 Forte: imagens NSFW avançadas de um adulto.
• L4 Intenso: uma cena de maior intensidade entre dois adultos.
• L5a é uma cena consensual entre adultos com temas de contenção; L5b é violência gráfica cinematográfica, outro tipo de conteúdo e não um L5a mais forte.

Todo personagem de todos os testes é um adulto fictício, e esse é o único tipo de pessoa a usar: nenhum rosto de pessoa real. Cada célula conta os clipes que voltaram como escritos entre as execuções daquele nível; um erro é um clipe suavizado, a menos que a linha diga recusado. Os rótulos são nossos: Uncensored significa sem filtro do nosso lado, embora um clipe ainda possa voltar mais comportado do que o pedido; Softened significa que os prompts adultos rodam, mas o topo da escala é suavizado; Filtered significa que os prompts adultos são recusados.

Os preços são para 5 segundos em 480p, exceto o 5B (um clipe em 720p), o Image LoRA (uma imagem) e o video-extend (5 segundos adicionados). As linhas de outubro têm uma execução por nível, então leia-as como uma direção, não como uma taxa; a coluna L5a de setembro teve uma sonda extra. No Image LoRA, uma segunda execução L4 com uma LoRA adulta carregada também voltou suavizada. O Animate copia um vídeo de referência, e os resultados dependem tanto desse clipe quanto do prompt.

O que a tabela diz na prática:

• É no texto que o Wan 2.2 se divide. O text-to-video padrão recusou até o L1. As versões LoRA e 5B LoRA aceitaram o mesmo tipo de prompt e realizaram L1, L2 e três das quatro execuções L3.
• A partir de uma imagem estática, o Spicy é o mais confiável até o L4 e a única versão de image-to-video que acertou três de três ali. Mas ele não engloba as outras: errou a maior parte do L5, onde a LoRA simples se saiu melhor.
• Spicy LoRA e LoRA custam o mesmo e usam os mesmos slots de LoRA. Sem LoRA carregada, a LoRA simples foi mais longe no L4 e no L5a nas nossas execuções, e a tarefa de extensão do Spicy LoRA realizou todos os níveis que recebeu.
• O 5B fica perto do quadro inicial. A partir de uma imagem com roupa, as duas execuções L3 ficaram no nível da imagem. No 5B, o image-to-video raramente passa do que o primeiro quadro mostra, então troque a imagem para mudar o resultado.
• Um clipe suavizado é um sucesso do ponto de vista da API. Nada na resposta o sinaliza, então olhe os quadros antes de construir em cima de um resultado.

Seis prompts do Wan 2.2 que rodamos, e um modelo

Os seis vêm dos conjuntos de exemplos das nossas páginas de modelo, então cada prompt abaixo é o texto exato que enviamos e cada clipe é a saída sem edição. Eles ficam no lado sugestivo para poderem ser mostrados aqui. O que se aproveita no seu trabalho é a estrutura:

1. Primeiro quem, com idade: "an adult couple in their early thirties". Diga o elenco na primeira linha, para o modelo saber quantas pessoas desenhar. No image-to-video a imagem já diz quem é, então comece pela ação.
2. O que vestem, pelo nome: "a thin-strapped ivory slip dress". Nomeie cada peça que você quer manter.
3. A ação, em ordem, com uma posição final: "pushes off the doorframe, crooks one finger, then turns and walks". O Wan 2.2 segue bem sequências quando elas vêm na ordem em que acontecem. Mantenha uma ação principal e um movimento de câmera a cada 5 segundos; uma terceira coisa tende a ser atropelada ou ignorada.
4. Um movimento de câmera: "slow follow", "slow push-in", "slow orbit".
5. Luz e textura por último: "red exit light", "film grain". A Alibaba diz que o Wan 2.2 foi treinado com rótulos de iluminação, composição, contraste e tom de cor, então essas palavras têm efeito real.

Como modelo para preencher:

Text-to-video:
[Shot and style]. [Number of people, "adult", age range]. [What each one wears, by name].
[Action], then [action], ending with [end position]. [One camera move]. [Light], [texture].

Image-to-video (the still already shows who and what):
[Action], then [action], ending with [end position]. [One camera move]. [Light].

No image-to-video, descreva o que se move, não o que já está na imagem; as instruções de reescrita da própria Alibaba para image-to-video descartam a descrição estática pelo mesmo motivo. Só o image-to-video padrão e o text-to-video LoRA têm campo de prompt negativo, então nas outras versões diga o que você quer em vez do que não quer. Toda versão de vídeo do Wan 2.2 é muda, então palavras de som não fazem nada.

1. Wan 2.2 Spicy, image-to-video: uma sequência de ações a partir de uma imagem

She pushes off the doorframe, crooks one finger at the camera to beckon it closer, then turns and walks slowly into the room, glancing back over her bare shoulder with a slow smile. The red exit light flickers down the corridor. Slow follow, cinematic, film grain.

Cada passo foi cumprido, na ordem escrita: o chamado, a virada, a caminhada e o olhar para trás. A imagem é a da capa desta página. Em 720p o clipe custou $0.19; em 480p custa $0.095. Rode este prompt no Wan 2.2 Spicy →

2. Wan 2.2 LoRA, text-to-video: dois adultos e uma LoRA de estilo

Vintage Cinematic Color. Vertical close two-shot on a mountain cabin porch at night as a thunderstorm rolls down the valley behind them; their faces and shoulders fill the frame. An adult couple in their early thirties share one heavy wool blanket on a porch swing: she is Latina, with dark wavy hair, in a thin-strapped ivory slip dress, the blanket around her shoulders; he is Korean, in a grey henley with the buttons open. A lightning flash lights their faces white for an instant; she turns from the storm to look at him and their faces drift to an inch apart and hold there. Warm porch lamp against blue lightning, rain pouring off the roof edge behind them, slow push-in, 35mm, film grain.

A cor vem de uma LoRA de estilo, a Vintage Cinematic Redmond for Wan 2.2, carregada ao colar o link do arquivo com peso 0.7; carregar uma LoRA não acrescenta nada ao preço. O prompt também abre com o nome do estilo. O relâmpago, a lâmpada e a virada funcionaram, e os dois ficam próximos sem beijo, como escrito. Citar um estilo no prompt além da sua LoRA pode dobrar o efeito; se o visual ficar forte demais, tire a frase antes de baixar o peso (mais sobre pesos de LoRA). Este clipe vertical em 720p custou $0.42.

3. Wan 2.2 5B LoRA, text-to-video: o rascunho barato

Cinematic video. Blue hour in the lounge of an alpine ski lodge: an adult Nigerian-British woman around thirty with close-cropped natural hair, in an ivory off-the-shoulder knit dress, is curled up in a cognac leather wingback chair, snow drifting past the tall glass behind her. She lowers the book in her lap, tilts her head and gives the camera a slow, smouldering glance. Warm copper lamp light against cold blue dusk, slow push-in, 50mm lens, shallow depth of field.

A inclinação da cabeça e o olhar para a lente funcionaram, com a luz de cobre contra o azul como escrita (clipe na página do modelo). Rodou sem nenhuma LoRA carregada. O 5B sempre faz um clipe de 720p de cerca de 5 segundos por $0.12, em 16:9 ou 9:16, o que o torna a forma mais barata de testar um prompt de texto antes de passá-lo para uma versão maior.

4. Wan 2.2 5B LoRA, image-to-video: ele passa do "quase"

She brushes the last snow from his collar, he draws her closer by the waist, and the two adults lean in until their lips almost meet, holding there. Lantern light flickers on the skis. Slow orbit around them.

O prompt pedia uma pausa um instante antes de um beijo, e o clipe beijou mesmo assim (veja na página do modelo): "lean in" foi levado até o fim. Para parar antes, tente descrever a posição final em vez da aproximação, como "their foreheads touch and they stay there, smiling". Nenhuma LoRA estava carregada; o clipe custou $0.12.

5. Wan 2.2 padrão, image-to-video: quando você quer um prompt negativo

She turns from the window toward the camera, lets go of the sheer curtain and walks two slow steps closer, the champagne satin catching the lamp light, holding the lens with a half smile. The curtain drifts in the draught. Slow push in, cinematic, shallow depth of field.

A mulher adulta da imagem voltou exatamente como escrita (clipe na página do modelo): o rótulo Softened diz respeito ao topo da escala, não ao clima nem ao figurino. A versão padrão é a única opção de image-to-video com campo de prompt negativo, e é esse o seu principal motivo de existir aqui. Fora isso, o Spicy faz a mesma cena por menos: esta custou $0.48 em 720p.

6. Wan 2.2 Image LoRA: faça primeiro a imagem

Photorealistic cinematic still, ultra-wide frame. Two adult women in a hidden 1920s library bar stand close beside a bookshelf door left ajar: a Latina woman around thirty in a backless emerald velvet gown, and a red-haired woman in her mid thirties in a black tuxedo with the bow tie undone. One whispers into the other's ear, a hand resting at her waist, both smiling. Warm brass sconces, green lamp glow, deep teal and gold palette, anamorphic lens flare, film grain.

Uma imagem custa $0.03 no Wan 2.2 Image LoRA, que nos nossos testes aceitou as mesmas LoRAs de 14B que as versões de vídeo do Wan 2.2 (uma LoRA de 5B não fez nada nele). Duas coisas a saber antes de animar uma imagem feita nele. O image-to-video mantém a forma da imagem, então este quadro 21:9 daria um clipe ultra-largo; para vídeo vertical, faça a imagem em 9:16. E o Image LoRA suavizou o L4, então essa rota funciona melhor até o L3.

Clipes mais longos

Spicy, Spicy LoRA e LoRA fazem clipes de 5 ou 8 segundos; o Wan 2.2 padrão e o 5B fazem cerca de 5 segundos. Spicy, Spicy LoRA e LoRA também têm uma tarefa de video-extend que continua um clipe a partir do último quadro. O nosso exemplo do Spicy LoRA começa o prompt de extensão com "Continuing the same unbroken take:" e descreve apenas o que acontece em seguida. O clipe de 5 segundos virou 10, e a caminhada seguiu direto, sem corte no enquadramento (antes e depois na página do modelo). Olhando de perto, o rosto dela muda um pouco na marca dos 5 segundos.

Cada 5 segundos extras em 480p custam $0.095 no Spicy, $0.12 no LoRA e $0.19 no Spicy LoRA, que é mais do que o Spicy LoRA cobra para fazer os primeiros 5. A extensão em 720p do nosso exemplo custou $0.38. O Spicy também aceita um quadro final, que é a forma mais simples de fazer um loop contínuo.

Quando um clipe do Wan 2.2 é recusado ou suavizado

• O text-to-video recusou você. Você está no Wan 2.2 padrão. Passe o mesmo prompt para o Wan 2.2 LoRA text-to-video, o 5B LoRA ou o Wan 3.0.
• O parceiro continua vestido, ou a câmera desvia (L4). Use o Wan 2.2 Spicy a partir de uma imagem, ou carregue a WAN General NSFW nas duas passagens com 1.0, o que transformou duas execuções suavizadas em duas completas no nosso teste (mais LoRAs do Wan 2.2). Se precisa funcionar sempre, passe para o Wan 2.6 Flash, 2.5 ou 3.0.
• O clipe ficou mais comportado que o prompt no image-to-video. O image-to-video tende a ficar no nível do quadro inicial, o 5B mais ainda. Troque a imagem.
• A LoRA não fez nada. O Wan 2.2 vem em dois tamanhos, e as LoRAs de um não servem no outro. Nos nossos testes, uma LoRA de 14B carregada no 5B gerou um clipe idêntico byte a byte ao da execução sem LoRA, e uma LoRA de 5B não fez nada na versão de imagem de 14B. Confira o modelo base na página da LoRA. As versões de 14B aceitam arquivos separados de high-noise e low-noise; como funcionam os dois slots.
• O clipe está em câmera lenta. Localmente, a causa habitual é uma LoRA de aceleração de 4 passos, como a Lightning, um efeito colateral que os próprios autores reconhecem. Em um prompt, um movimento de câmera lento não tem problema, mas dê um ritmo à ação: "real-time speed, every movement finished inside five seconds".

Rodar por conta própria ou usar uma API?

Os pesos abertos vêm em vários modelos, e os nomes dos nossos endpoints correspondem a eles:

Os nossos endpoints padrão e Spicy também são versões do Wan 2.2, mas não aceitam LoRAs. Os modelos A14B são dois especialistas de 14 bilhões de parâmetros: um cuida das etapas iniciais, ruidosas, que definem o layout e o movimento, o outro das etapas finais, que acrescentam detalhe. É por isso que as LoRAs de 14B vêm em um arquivo high-noise e um low-noise. Em placas de consumo, as pessoas rodam o A14B pelo ComfyUI com quantização fp8 ou GGUF e offloading, e a documentação do ComfyUI diz que o modelo 5B cabe em 8 GB com o offloading embutido; são configurações da comunidade, não números da Alibaba. O número da própria Alibaba para o modelo 5B é um clipe de 5 segundos em 720p "in under 9 minutes" em uma única GPU de consumo.

Rodar por conta própria dá a você nenhum filtro, qualquer LoRA que possa baixar e controle total, ao custo de hardware e de tempo de configuração. Mantenha desligada a extensão de prompt oficial para prompts adultos, pelo motivo acima.

Pela nossa API não há filtro nas versões Uncensored e você paga por clipe: de $0.095 a $0.265 por 5 segundos em 480p, nas versões da tabela. LoRA, Spicy LoRA e Image LoRA aceitam até três LoRAs em cada uma de três listas (loras para as duas passagens, high_noise_loras, low_noise_loras); o 5B aceita até três em loras. Cole um link público de arquivo do Hugging Face ou um link de download do Civitai (https://civitai.com/api/download/models/VERSION_ID). Em 28 de setembro, um arquivo do Civitai que normalmente exige login carregou assim sem token. Se um link devolver 401, importe o arquivo uma vez por POST /api/v1/files/import com a sua chave de API do Civitai, que é usada só para esse download e nunca armazenada, e depois coloque em path o URI spicy:// que ele devolve. Uma chamada mínima com uma LoRA nas duas passagens:

curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
    "model": "alibaba/wan-2.2-lora/text-to-video",
    "input": {
      "prompt": "Vertical medium shot at night. An adult couple in their thirties ...",
      "aspect_ratio": "9:16",
      "duration_seconds": 5,
      "resolution": "480p",
      "high_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}],
      "low_noise_loras": [{"path": "https://civitai.com/api/download/models/VERSION_ID", "scale": 1.0}]
    }
  }'

Um prompt recusado falha com content_rejected e não custa nada; um suavizado volta como um sucesso normal. Campos, polling e os outros códigos de erro estão na referência da API.

Os modelos de text-to-video e image-to-video do Wan 2.2 são mudos em qualquer das duas rotas. O modelo S2V separado da Alibaba é guiado por uma faixa de áudio; nós não o oferecemos.

Qual Wan 2.2 usar?

Perguntas frequentes

O Wan 2.2 é censurado?

Os pesos abertos não são: vêm sem filtro de conteúdo. As versões hospedadas variam. Na nossa API, o text-to-video do Wan 2.2 padrão recusa prompts adultos e o image-to-video padrão suaviza cenas entre dois adultos, enquanto Spicy, Spicy LoRA, LoRA, 5B LoRA, Image LoRA e Animate não têm filtro do nosso lado.

O Wan 2.2 Spicy é melhor que o Wan 2.2 padrão para NSFW?

A partir de uma imagem, para a maioria dos usos, sim: ele realizou o L4 três vezes em três, enquanto o image-to-video padrão suavizou as três, e custa menos ($0.095 contra $0.24 por 5 segundos em 480p). A exceção é a sonda de violência gráfica (L5b), que o padrão realizou três vezes e o Spicy não.

Preciso de uma LoRA para NSFW no Wan 2.2?

Não para L1 a L3 nas versões Uncensored de 14B; o 5B entregou menos. Para cenas entre dois adultos, uma LoRA NSFW geral fez a diferença no nosso teste (duas de duas completas com ela, nenhuma sem). Ela não ajudou nas imagens do Image LoRA, onde uma LoRA adulta ainda voltou suavizada.

As LoRAs do Wan 2.1 funcionam no Wan 2.2?

Em parte. As LoRAs antigas do Wan 2.1 em geral funcionam só na passagem low-noise (o nosso guia de LoRAs do Wan 2.2 tem os detalhes), então coloque-as em low_noise_loras ou procure uma versão 2.2 da mesma LoRA. As LoRAs de 14B e de 5B do Wan 2.2 não funcionam uma na outra de jeito nenhum. O nosso guia do Wan 2.1 cobre o lado do 2.1.

Dá para rodar o Wan 2.2 NSFW com 8 GB ou 16 GB de VRAM?

O modelo 5B, sim, com offloading: o ComfyUI diz que cabe em 8 GB, enquanto os scripts da própria Alibaba pedem 24 GB. Os modelos de 14B exigem 80 GB nos scripts da Alibaba; placas menores só os rodam por builds fp8 ou GGUF da comunidade com offloading, e devagar. Por uma API você não precisa de GPU nenhuma.

O Wan 2.2 gera som?

Não. Os modelos de vídeo do Wan 2.2 são mudos. O Wan 2.5 e o 3.0 geram som, e o Wan 2.6 Flash também, com a chave de som ligada.

Pago por um clipe recusado ou suavizado?

Um clipe suavizado é cobrado pelo preço normal, porque a tarefa foi concluída. Uma tarefa recusada falha com content_rejected e a reserva no seu saldo é liberada.

Conclusão

O Wan 2.2 em si não é censurado; onde você o executa decide o que volta. A partir de uma imagem, o Wan 2.2 Spicy é a rota mais barata até o L4: escreva a ação em ordem, com um movimento de câmera e uma posição final. A partir de texto, o Wan 3.0 é o padrão melhor, a menos que você queira uma LoRA específica do Wan 2.2, caso em que use a versão LoRA ou 5B. Para cenas entre dois adultos nas versões LoRA, carregue uma LoRA NSFW geral; para o L5, ou quando toda execução precisa dar certo, vá para o Wan 3.0, 2.5 ou 2.6 Flash.