Обзор Wan 2.2: движение с открытыми весами, один путь без цензуры

Мы не публикуем наши прогоны по шкале контента; галерея ниже — повседневный регистр из опубликованных, безопасных для работы примеров со страницы модели Wan 2.2.

Фигура за марлей. Ветряной колокольчик поворачивается, и силуэт, лежащий за занавеской, сдвигается вслед — весь клип построен из одного кадра и промпта, описывающего причину и следствие, не более.

Флакон-капельница, освещённый движущимся окном. Камера медленно поворачивается на четверть оборота, пока полоса света скользит по стеклу; сам флакон не двигается вовсе, и в этом суть теста.

Шаг вперёд в серой студии. Из портретного кадра она поворачивает плечи и делает два медленных шага, атлас ловит свет — дубль в 720p, показывающий, как далеко может унести один жест за пять секунд.

Двое людей в одном пальто. Написано с нуля в 720p: снег падает на пустой перрон, пока двое делят одно пальто, дыхание клубится, лампа мерцает — один непрерывный кинематографичный момент.

Лестница маяка, поднимающаяся в сумерках. Черновик текста-в-видео в 480p: одно действие, одна позиция камеры, проверка того, держится ли идея кадра в движении, прежде чем тратиться на разрешение.

Ночной рынок после дождя. Вертикальный дубль в 720p с фиксированным seed, чтобы сравнивать одну и ту же композицию между правками промпта — пар, гирлянды лампочек и мокрая улица, отражающая неон, пока она идёт к камере.

На изображении-в-видео кадр задаёт, кто есть кто, во что одет и где находится; промпт должен нести только движение и, где это важно, причину этого движения. На текст-в-видео называйте состав прямо и держите счёт и цвет конкретными — именно расплывчатая формулировка о толпе или ансамбле дала нам больше всего отклонений.

1. Причина и следствие из кадра (изображение-в-видео).

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.

Запустить этот промпт в Wan 2.2 →

2. Названный состав и точный счёт (текст-в-видео).

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.

Запустить этот промпт в Wan 2.2 →

Слабо: «A ballerina practises alone in a bright studio». Оставив это открытым, наш собственный тест вернулся с тремя танцовщицами вместо одной. Сильно: назовите состав в начале — «Cast: one woman» — и повторите счёт внутри предложения, описывающего действие, как промпт 2 повторяет «two of them» и «two people».

Между 16 и 25 сентября 2026 года мы прогнали нашу пятиступенчатую шкалу контента на обоих эндпоинтах Wan 2.2. На изображении-в-видео L1 Намёк, L2 Взрослые темы и L3 Сильный отрисовались чисто в каждом из наших прогонов; L4 Интенсивный вернулся смягчённым во всех трёх попытках; проба L5 Экстрим на связывание и болевую стимуляцию отрисовалась один раз из четырёх попыток и смягчилась в остальных; проба L5 Экстрим на жестокость отрисовалась чисто во всех трёх прогонах. На текст-в-видео каждая ступень, которую мы отправили — 19 прогонов всего, от L1 Намёк до обоих типов пробы L5 Экстрим, — вернулась отклонённой.

Метки на странице отражают этот разрыв: изображение-в-видео несёт значок «смягчается», текст-в-видео — «с фильтром». Мы не добавляем своего фильтра ни на одном из эндпоинтов; это собственное поведение политики Alibaba на каждой задаче.

Ещё не проверено: меняет ли финальный кадр или более развёрнутый текстовый промпт частоту смягчения L4 Интенсивный на изображении-в-видео; сцены больше чем с двумя людьми на жёстких ступенях; аниме или иллюстративные стили на шкале.

Только взрослые — в каждом промпте, кадре и результате. Никогда не изображайте реального узнаваемого человека без его согласия, и убедитесь, что у вас есть права на любое фото, загружаемое как стартовый кадр.

Репутация Wan 2.2 за пределами наших тестов строится на том, что это последний открытый релиз Alibaba в этой линейке: более поздние версии (2.5 и далее) доступны только через API. Это решение до сих пор вызывает жалобы больше года спустя. Один комментатор Hacker News, разочарованный тем, что Alibaba перестала публиковать веса для чего-либо новее, написал прямо: «Wan 2.2 сделала rug pull, оставив огромную дыру для сообщества», которое построило инструменты и файнтюны поверх неё.

Наши собственные прогоны находятся посередине этой истории: открытые веса за этим эндпоинтом всё ещё убедительно оживляют кадр на повседневных и умеренно жёстких промптах, и та же открытость, вероятно, объясняет, почему путь изображения-в-видео терпит больше, чем текстовый.

• Приносите собственные обученные веса? Wan 2.2 LoRA запускает ту же базу с до трёх слотов LoRA, по цене за секунду, а не фиксированной за клип. Наш обзор Wan 2.2 LoRA.
• Нужна версия без цензуры с ценой за секунду? Wan 2.2 Spicy — только изображение-в-видео, $0.019 за секунду в 480p, добавляет вариант в восемь секунд и финальный кадр.
• Нужна передача движения или анимация персонажа вместо подписи или статичного кадра? Wan 2.2 Animate ведёт персонажа по референсному выступлению.
• Нужны более новое движение и более длинный дубль? Wan 3.0 добавляет многоплановую режиссуру и клипы до 30 секунд, по цене за секунду от $0.045 в 480p.