Wan ist Alibabas Modellfamilie zur Videogenerierung aus dem Tongyi Lab, deren Gewichte unter Apache 2.0 auf GitHub und Hugging Face veröffentlicht sind und die zusätzlich als gehostetes Studio auf wan.video für Video und Bild bereitsteht.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Wan ist Alibabas Modellfamilie zur Videogenerierung, und sie existiert in zwei Formen, die leicht zu verwechseln sind. Die eine ist ein Satz offener Modellgewichte, veröffentlicht auf GitHub und Hugging Face unter der Apache-2.0-Lizenz, den jeder herunterladen und auf eigener Hardware betreiben kann. Die andere ist ein gehostetes Kreativstudio unter wan.video, wo man ein Abonnement zahlt und im Browser generiert, ohne eine Grafikkarte zu besitzen. Die meisten Werkzeuge dieser Kategorie sind das eine oder das andere. Wan ist beides, und welches davon Sie interessieren sollte, hängt ausschließlich davon ab, ob Sie eine Grafikkarte mit genügend Speicher haben.
Die Zuordnung sollte vorab geklärt werden, denn Domains mit den Namen bekannter offener Modelle werden häufig von Dritten besetzt. Diese hier nicht. Die Fußzeile von wan.video trägt einen Urheberrechtshinweis, der Alibaba Cloud als Betreiber nennt, und führt eine Kontaktadresse auf der Unternehmensdomain. Entscheidender noch ist die Infrastruktur: Die Frontend-Ressourcen der Seite werden aus Alibabas eigenem Content-Delivery-Netzwerk im Namensraum des Tongyi Lab ausgeliefert, Stylesheet wie Anwendungsbündel laden von dort, die Kennung der Seitenanalyse ist auf Tongyi Wanxiang gesetzt, den chinesischen Markennamen von Wan, und das Messskript ist ein internes Alibaba-Paket. Kein Dritter kann Code in den Netzwerk-Namensraum eines anderen Unternehmens ausliefern. Dies ist die Erstanbieterseite.
Auf der offenen Seite lautet die offizielle GitHub-Organisation Wan-Video und das offizielle Hugging-Face-Konto Wan-AI. Das Wan2.2-Repository beschreibt sich selbst als offene und fortgeschrittene großmaßstäbliche generative Videomodelle und weist 17.280 Sterne bei 2.191 Abspaltungen aus; das ältere Wan2.1-Repository kommt auf 16.888 Sterne und 3.450 Abspaltungen. Beide stehen unter Apache-2.0, ebenso die abgeleiteten Repositories der Organisation: Wan-Animate-2 für Figurenanimation, Wan-Dancer für Tanzbewegungen und Wan-skills, beschrieben als Fertigkeitensammlung, mit der ein KI-Agent Wans Generierungsfähigkeiten aufrufen kann.
Das gehostete Produkt hat sich schneller bewegt, als die meisten Fremdeinträge nachgezogen haben. Das aktuell hervorgehobene Angebot der Seite ist Wan3.0 — sowohl die zentrale Handlungsschaltfläche als auch die Überschrift des Funktionsabschnitts verweisen darauf. Die am weitesten verbreiteten offenen Gewichte stammen dagegen weiterhin aus den Generationen 2.1 und 2.2. Wenn Sie eine Beschreibung gelesen haben, die Wan schlicht als Plattform für Text-zu-Bild und Text-zu-Video darstellt, ist diese Beschreibung älter als die aktuelle Fassung.
Offene Gewichte und gehostetes Studio sind nicht dasselbe Produkt in anderer Verpackung. Sie unterscheiden sich in der Lizenz, im Funktionsumfang und darin, was Sie mit dem Ergebnis tun dürfen.
Für die Gewichte gelten die Apache-2.0-Bedingungen, die kommerzielle Nutzung, Änderung und Weitergabe erlauben, sofern Urheberrechtsvermerk und Lizenztext erhalten bleiben. Die Modellkarte auf Hugging Face geht weiter und verzichtet ausdrücklich auf Rechte an den erzeugten Inhalten: Das Unternehmen erklärt, keinerlei Rechte an dem zu beanspruchen, was Nutzende generieren, und ihnen die Freiheit zur Verwendung zu lassen, solange die Nutzung den Bestimmungen der Lizenz entspricht. Das ist eine ungewöhnlich klare Position zur Eigentumsfrage bei Ergebnissen.
Für das gehostete Studio gelten eigene Abonnementbedingungen, und diese Bedingungen konnten im Rahmen dieser Recherche nicht beschafft werden — eine Einschränkung, die weiter unten vollständig dargelegt wird. Gehen Sie nicht davon aus, dass die Apache-2.0-Position zu Ergebnissen automatisch auf Inhalte übergeht, die auf create.wan.video entstehen.
Die Seite führt fünf Videofähigkeiten für Wan3.0 auf, jede mit einer konkreten statt einer vagen Aussage. Omni-Creation nimmt bis zu zwanzig Referenzmaterialien an und kann Dokumente und Webseiten als Eingabe auswerten. Native 30s Duration erzeugt dreißig Sekunden nativ, statt kürzere Clips aneinanderzuhängen, was das Unternehmen als Grundlage für vollständigeres Erzählen darstellt. Pixel-Perfect Consistency ist um Liefersicherheit für Produktionsabläufe herum positioniert — bemerkenswert ist, dass hier eine Produktions- und keine Kreativsprache verwendet wird. Immersive Experience umfasst Realismus, Textur und Sounddesign. Precision Video Editing steht für steuerbaren Schnitt.
Fünf weitere Fähigkeiten betreffen Bilder. Portrait Customization reicht bis zur Knochenstruktur und zu Details der Augenpartie. Advanced Text Rendering unterstützt längere Texte in zwölf Sprachen und erzeugt Diagramme, Formeln und Infografiken; da Textdarstellung eine langjährige Schwäche von Bildmodellen ist, sitzt diese Aussage gezielt. Precise Color Control steuert die Farbverteilung. Multi-Image Editing verschmilzt bis zu neun Bilder zu einem Ergebnis. Sequential Storytelling erzeugt bis zu zwölf aufeinanderfolgende Bilder mit stimmigem Stil und gleichbleibendem Motiv. Interactive Editing erlaubt die Auswahl von Bereichen per Rahmen, um die Absicht auf Pixelebene abzugleichen.
Die Kreativkonsole von create.wan.video umfasst acht Navigationsbereiche: Erkunden und Generieren, Leinwand und Fertigkeiten, Experimentierfeld und Zeitleiste sowie Materialien und Favoriten. Besonders Leinwand und Zeitleiste weisen auf eine Umgebung für Komposition und Abfolge hin, nicht auf eine einmalige Interaktion aus Generieren und Herunterladen. Im Kopfbereich der Konsole finden sich zudem eigene Einstiege für Kommandozeile und Programmierschnittstelle.
Wan2.2 umfasst fünf Varianten, und die Parameterzahl ist hier entscheidend, weil sie bestimmt, welche Hardware nötig ist. T2V-A14B ist das Text-zu-Video-Modell, aufgebaut als Expertenmischung mit 27 Milliarden Parametern insgesamt, von denen je Inferenzschritt rund 14 Milliarden aktiv sind. I2V-A14B ist das Bild-zu-Video-Modell auf derselben Architektur. TI2V-5B ist ein dichtes Modell mit 5 Milliarden Parametern, das Text- und Bild-zu-Video in einem einzigen Prüfpunkt vereint. S2V-14B erzeugt Video aus Sprache. Animate-14B übernimmt Figurenanimation und -austausch. Alle erzeugen in 480P und 720P mit 24 Bildern pro Sekunde.
Die Expertenmischung ist der architektonisch interessante Punkt: Statt dass ein Modell den gesamten Entrauschungsprozess übernimmt, teilen sich zwei spezialisierte Experten die Arbeit, einer für die verrauschten frühen Stufen, einer für die Verfeinerung bei geringem Rauschen. Die offizielle Dokumentation von ComfyUI, die einen nativen Arbeitsablauf für dieses Modell pflegt, fasst die daraus folgenden Stärken in drei Punkten zusammen: eine ästhetische Kontrolle auf Kinoniveau mit mehrdimensionaler Steuerung von Beleuchtung, Farbe und Bildaufbau; großräumige komplexe Bewegung mit verbesserter Flüssigkeit und Steuerbarkeit; und präzise semantische Befolgung in komplexen Szenen mit mehreren Motiven. Sie merkt außerdem an, dass die 5B-Fassung einen Variational Autoencoder mit hoher Kompressionsrate zur Speicheroptimierung nutzt.
Das Repository redet nicht darum herum, was der Betrieb dieser Modelle verlangt. Für die A14B-Reihe erfordert der dokumentierte Befehl einen Grafikprozessor mit mindestens 80 GB Videospeicher. TI2V-5B läuft auf Endkunden-Grafikkarten der Klasse 4090 und benötigt mindestens 24 GB Videospeicher, wobei die Dokumentation ausdrücklich die RTX 4090 als Beispiel nennt.
Das ist eine große Spanne, und sie hat die tatsächliche Verbreitung sichtbar geprägt. Die Schnittstelle von Hugging Face zeigt an der Spitze der Downloads über dreißig Tage das Text-zu-Video-Modell mit 1,3 Milliarden Parametern mit 204.432 Abrufen, dicht gefolgt vom vereinheitlichten 5-Milliarden-Modell mit 198.975. Die Spitzenmodelle der A14B-Reihe liegen dahinter: 134.807 für Bild-zu-Video und 132.815 für Text-zu-Video. Anders gesagt werden das kleinste und das zweitkleinste Modell etwa anderthalb- bis dreimal so oft heruntergeladen wie die größten. Der bindende Engpass dieser Technik ist nicht die Modellqualität, sondern die Grafikkarte im Rechner der Nutzenden.
Die Seite behandelt die Schnittstelle als eigenständige dritte Produktlinie, gleichrangig mit Funktionen und Open Source in der oberen Navigation und mit einer eigenen Gruppe in der Fußzeile, die zur Plattformübersicht und zu den Zugangsmodalitäten führt. Die Preisseite hält ein wichtiges kommerzielles Detail fest: Ein Studio-Abonnement deckt allein die Erstellung auf create.wan.video ab, während Schnittstelle und weitere Produkte gesonderte Käufe erfordern. Die konkreten Preise und Aufrufspezifikationen der Schnittstelle ließen sich im Rahmen dieser Recherche nicht ermitteln.
Selbstgehostete Videogenerierung. Der klarste Fall für die offenen Gewichte. Mit einer 24-GB-Karte ist TI2V-5B erreichbar, mit Rechenzentrumshardware auch die A14B-Modelle. Die Apache-2.0-Lizenz bedeutet, dass Ergebnis und Betrieb Ihnen gehören, vorbehaltlich der genannten Inhaltsbeschränkungen.
Auf den Modellen aufbauen. Da die Gewichte herunterladbar sind und die Lizenz Änderung und Weitergabe erlaubt, lassen sich die Modelle nachtrainieren, quantisieren, in ein Produkt einbetten oder in ein proprietäres System integrieren. Allein 3.450 Abspaltungen beim Wan2.1-Repository zeigen, dass dies in beträchtlichem Umfang geschieht.
ComfyUI und knotenbasierte Abläufe. ComfyUI pflegt einen offiziellen nativen Arbeitsablauf für Wan2.2, wodurch die Modelle der großen Gruppe von Gestaltenden zugänglich werden, die in Knotengraphen statt auf der Kommandozeile arbeiten.
Bewerten ohne Hardware. Die kostenlose Stufe des gehosteten Studios existiert genau dafür. Sie können die Ergebnisqualität beurteilen, bevor Sie über eine Grafikkarte oder ein Abonnement entscheiden.
Produktionsarbeit in moderatem Umfang. Die kostenpflichtigen Stufen schalten 1080p-Ausgabe, Videos zwischen zehn und dreißig Sekunden sowie Downloads ohne Wasserzeichen frei — die drei Dinge, die eine Demonstration von einem lieferbaren Ergebnis trennen.
Mehrsprachige Textarbeit im Bild. Die Darstellung längerer Texte in zwölf Sprachen samt Diagrammen und Infografiken zielt auf einen Anwendungsfall, den die meisten Bildmodelle schlecht beherrschen.
Agentengesteuerte Generierung. Das Wan-skills-Repository bündelt die Generierungsfähigkeiten als Agentenfertigkeiten, und das Studio bietet eine Kommandozeile; zusammen eignen sie sich für automatisierte Abläufe.
Beginnen Sie mit dem 5B-Modell, selbst wenn Ihre Hardware mehr zulässt. Die Downloadzahlen legen nahe, dass die Gemeinschaft aus gutem Grund dorthin konvergiert ist: Es vereint Text- und Bild-zu-Video in einem Prüfpunkt und läuft auf einer einzelnen Endkundenkarte. Etablieren Sie Ihren Ablauf dort, bevor Sie hochskalieren.
Wählen Sie bewusst zwischen Chinesisch und Englisch für Ihre Eingaben. Die Modelle wurden für zweisprachige Eingaben gebaut. Ist Ihr Sujet in einer der beiden Sprachen stärker vertreten, lohnt sich ein Test statt einer Annahme.
Nutzen Sie Bild-zu-Video, wenn Sie Kontrolle brauchen. Von einem Bild auszugehen, das Sie bereits beherrschen, entfernt eine ganze Achse der Variabilität gegenüber Text-zu-Video — was auch erklärt, warum I2V-A14B von allen Modellen des Kontos die meisten Zustimmungen aufweist.
Verlassen Sie sich für Veröffentlichungen nicht auf die kostenlose Stufe. Downloads ohne Wasserzeichen beginnen bei den kostenpflichtigen Stufen. Ein Ergebnis, das zur Qualitätsprüfung entstand, ist kein Ergebnis, das Sie ausliefern können.
Überlegen Sie sich den ersten Abrechnungszeitraum genau. Die Preisseite hält fest, dass Abonnements sich automatisch verlängern und jederzeit kündbar sind, der erste Monat oder das erste Jahr nach Aktivierung jedoch nicht erstattet wird. Wählen Sie für einen ersten Versuch die monatliche Abrechnung, sofern Sie nicht bereits überzeugt sind.
Nehmen Sie nicht an, das Studio erbe die offene Lizenz. Die Apache-2.0-Bedingungen und der Verzicht auf Rechte an erzeugten Inhalten stammen aus den Modell-Repositories. Der gehostete Dienst hat eigene Bedingungen, die hier nicht beschafft werden konnten.
Behalten Sie den Lizenztext bei einer Weitergabe. Apache 2.0 erlaubt kommerzielle Nutzung, Änderung und Weitergabe, knüpft dies aber an den Erhalt des ursprünglichen Urheberrechtsvermerks und des Lizenztextes. Beim Einpacken eines Modells in ein Produkt wird das leicht übersehen.
Lesen Sie vor einem großflächigen Einsatz die Inhaltsbeschränkungen. Die Modellkarte untersagt Inhalte, die geltendes Recht verletzen, Einzelnen oder Gruppen schaden, personenbezogene Daten in Schädigungsabsicht verbreiten, Fehlinformationen streuen oder verletzliche Gruppen ins Visier nehmen, und weist die Verantwortung für die Einhaltung den Nutzenden zu.
Entwicklerinnen, Entwickler und Teams mit Grafikprozessoren erhalten hier den eigenständigsten Nutzen. Offene Gewichte unter einer freizügigen Lizenz, ergänzt um einen ausdrücklichen Verzicht auf Rechte an den Ergebnissen, bieten wenige Videomodelle.
Forschende und alle, die nachtrainieren, sind durch die Variantenbreite gut bedient: fünf aufgabenspezifische Modelle plus getrennte Repositories für Animation und Tanz ergeben reichlich Ausgangspunkte.
ComfyUI-Nutzende haben einen offiziell unterstützten Weg, was nicht für jedes in dieses Ökosystem portierte Modell gilt.
Gestaltende ohne Hardware können das gehostete Studio nutzen, sollten es jedoch anhand von Preis und Ergebnis gegen spezialisierte gehostete Wettbewerber prüfen, statt anzunehmen, eine quelloffene Herkunft ergebe automatisch das bessere gehostete Produkt.
Wer Agenten und Automatisierung baut, hat Kommandozeile, Schnittstellenlinie und das Wan-skills-Repository zur Verfügung.
Wer sich anderswo umsehen sollte: wer die Spitzenmodelle auf Endkundenhardware selbst betreiben möchte, denn 80 GB sind eine Rechenzentrumsanforderung; wer vor einer Bindung die Bedingungen des gehosteten Dienstes prüfen muss, da diese Dokumente nicht erreichbar sind; wer in einer Region ohne mobile Anwendung lebt und eine native App statt des mobilen Webs benötigt; und wer eine einzige Lieferantenbeziehung über Studio, Schnittstelle und alles Weitere wünscht, da diese getrennt gekauft werden.
Selbstgehostet. Jede Maschine, die die Videospeicherschwelle erfüllt; die Modelle kommen über die Codeplattform GitHub und die Modellplattform Hugging Face. Das ist die vollständigste und am wenigsten eingeschränkte Art, Wan zu nutzen.
Web-Studio. create.wan.video mit der oben beschriebenen Konsole aus acht Bereichen. Keine lokalen Hardwareanforderungen.
Mobil. Die Seite bietet Verweise auf App Store und Google Play, versieht sie aber mit einem Vorbehalt, den das Unternehmen selbst formuliert: Die Anwendung ist nicht in allen Regionen verfügbar, betroffene Nutzende werden auf eine mobile Webfassung verwiesen. Diese regionale Einschränkung ist real: Eine Suche im US-amerikanischen App Store mit drei Stichwortvarianten liefert keine von Alibaba veröffentlichte Wan-Anwendung. Zurück kommen stattdessen unverwandte Produkte und zwei Drittanbieter-Apps, die sich den Namen leihen, jede mit ein oder zwei Bewertungen — eine viel zu kleine Stichprobe, um irgendetwas auszusagen, und nicht mit dem offiziellen Produkt zu verwechseln.
Programmierschnittstelle. Als eigene Produktlinie mit gesondertem Kauf verfügbar.
ComfyUI. Offiziell dokumentierte native Unterstützung.
Hier werden zwei Dinge bepreist, die nicht vermengt werden sollten.
Die offenen Gewichte sind kostenlos. Unter Apache 2.0 herunterladbar und kommerziell nutzbar. Ihre Kosten sind Hardware und Strom.
Das gehostete Studio führt drei Mitgliedschaftsstufen. Die Preise sind pro Monat angegeben, die jährliche Abrechnung wird mit 50 % Nachlass beworben:
| Stufe | Jährlich (pro Monat) | Monatlich | Guthaben/Monat | Videos gleichzeitig | Bilder gleichzeitig |
|---|---|---|---|---|---|
| Free | 0 $ | 0 $ | — | 1 | 1 |
| Pro | 5 $ | 10 $ | 300 | 3 | 3 |
| Premium | 20 $ | 40 $ | 1.200 | 8 | 5 |
Das Unternehmen liefert Umrechnungen mit, sodass sich Guthaben abschätzen lässt: Die 300 Punkte von Pro ergeben bis zu 1.200 Bilder oder 60 Videos, die 1.200 Punkte von Premium bis zu 4.800 Bilder oder 240 Videos. Eigene Reiter auf der Preisseite verkaufen Guthaben und Geschenkkarten außerhalb der Mitgliedschaftsstruktur.
Was die kostenlose Stufe ausschließt, ist ebenso wichtig wie das, was die kostenpflichtigen enthalten. Kostenlos beschränkt sich auf sechs statt aller Bildstile, erlaubt keine Downloads ohne Wasserzeichen, kein 1080p-Video und keine längeren Videos von zehn bis dreißig Sekunden. Die kostenpflichtigen Stufen ergänzen all das sowie die Bildhochskalierung. Auf jeder Stufe lässt sich durch tägliches Einchecken Guthaben verdienen.
Zwei Zahlungsbedingungen verdienen Aufmerksamkeit. Abonnements verlängern sich automatisch und sind jederzeit kündbar, der erste Monat beziehungsweise das erste Jahr wird nach Aktivierung jedoch nicht erstattet. Und das Abonnement deckt allein die Erstellung auf create.wan.video ab — Schnittstelle und weitere Produkte erfordern gesonderte Käufe.
Rein gehostete Videogeneratoren sind der natürliche Vergleich für das Studio. Wenn Sie ohnehin keine Gewichte lokal betreiben wollen, bewerten Sie Wans Studio ausschließlich nach Ergebnisqualität, Preis und Rechtebedingungen; die quelloffene Herkunft verschafft ihm in diesem Vergleich keinen Vorteil.
Andere Videomodelle mit offenen Gewichten sind der relevante Vergleich, wenn Sie tatsächlich selbst hosten. Zu fragen ist nach Lizenzbedingungen, Videospeicherbedarf je Qualitätsstufe und Unterstützung im Ökosystem. Beim ersten Punkt schneidet Wan gut ab — Apache 2.0 mit ausdrücklichem Rechteverzicht an den Ergebnissen liegt am freizügigen Ende — und die ComfyUI-Unterstützung wird offiziell gepflegt.
Die kleineren Wan-Varianten zu betreiben ist selbst die Alternative zum Betrieb der Spitzenmodelle. Da TI2V-5B fast so oft heruntergeladen wird wie das 1,3-Milliarden-Modell und deutlich öfter als die beiden A14B, lautet das implizite Urteil der Gemeinschaft, dass der Kompromiss zwischen Qualität und Hardware bei 5 Milliarden die vernünftige Voreinstellung ist.
Alibabas andere Videomodelle sollten nicht mit Wan verwechselt werden. Das Unternehmen betreibt mehr als eine Anstrengung zur Videogenerierung in verschiedenen Teams; Berichterstattung über ein Videomodell von Alibaba ist nicht automatisch Berichterstattung über Wan. Sekundärquellen stolpern hier regelmäßig.
Die Bedingungen des gehosteten Dienstes konnten nicht beschafft werden. Das ist die bedeutendste Lücke dieses Textes und wird offen benannt statt kaschiert. Die Fußzeilenverweise auf Nutzungsrichtlinie, Nutzungsbedingungen, Datenschutzerklärung und Zusammenfassung der Trainingsdaten sind sämtlich JavaScript-Handler ohne Adressattribut. Ein direkter Aufruf der entsprechenden Pfade liefert lediglich eine 258 Zeichen lange Hülle einer Einzelseitenanwendung. Der Versuch, die Adresse der Bedingungen in einem Browser ohne Oberfläche zu laden, leitet auf eine Fehlerseite um. Folglich behauptet dieser Text nichts über die Bedingungen des gehosteten Dienstes, seinen Umgang mit personenbezogenen Daten oder seine Angaben zu Trainingsdaten. Wer geschäftlich darauf angewiesen ist, sollte diese Dokumente vor einer Bindung direkt beim Unternehmen anfordern.
Die Rechte an Ergebnissen sind bei den Gewichten klar, beim Studio unklar. Der Rechteverzicht auf der Modellkarte ist konkret und überprüfbar und gilt für die offenen Modelle. Ob create.wan.video dieselbe Position vertritt, ließ sich nicht feststellen.
Die Spitzenmodelle verlangen Rechenzentrumshardware. 80 GB Videospeicher rücken A14B außer Reichweite einzelner Nutzender. Das 5B-Modell mit 24 GB ist die realistische Obergrenze im Endkundenbereich, und die Verteilung der Downloads zeigt, dass sich die Gemeinschaft entsprechend angepasst hat.
Mit der kostenlosen Stufe lässt sich nichts Veröffentlichbares erzeugen. Keine Downloads ohne Wasserzeichen, kein 1080p, keine längeren Laufzeiten, nur sechs Bildstile.
Der erste Abrechnungszeitraum wird nicht erstattet. Automatische Verlängerung bei jederzeitiger Kündbarkeit, aber keine Erstattung des ersten Monats oder Jahres nach Aktivierung.
Käufe gelten nicht zugangsübergreifend. Ein Studio-Abonnement deckt weder die Programmierschnittstelle noch andere Produkte ab.
Die mobile Verfügbarkeit ist regional eingeschränkt. Das Unternehmen sagt es auf der eigenen Seite, und das Fehlen einer offiziellen Anwendung im US-App-Store bestätigt es.
Inhaltsbeschränkungen gelten, und die Haftung liegt bei Ihnen. Die Modellkarte untersagt mehrere Inhaltskategorien und stellt fest, dass Nutzende die Einhaltung vollumfänglich verantworten.
Die Metadaten der Seite hinken dem Produkt hinterher. Die aktuelle Fassung ist Wan3.0, während ein großer Teil des kursierenden Beschreibungsmaterials — einschließlich der von diesem Eintrag übernommenen Metadaten — ein früheres und engeres Produkt schildert. Prüfen Sie die aktuellen Fähigkeiten auf der Seite selbst statt anhand von Fremdbeschreibungen.
Die Kategorienzuordnung musste korrigiert werden. Dieser Eintrag führte zuvor Videobearbeitung als Hauptkategorie. Die Selbstdarstellung des Produkts stellt die Generierung voran: Drei der vier hervorgehobenen Fähigkeiten sind generativ, alle fünf offenen Modellvarianten sind generative oder steuernde Modelle, und der Titel des Unternehmens selbst nennt es ein Videogenerierungsmodell. Bearbeitung ist real, aber nachrangig.
Hüten Sie sich vor Vermengungen in der Sekundärberichterstattung. Im Zuge dieser Recherche schrieb eine Suchzusammenfassung Wan die Platzierung eines bekannten Videomodells zu, während der zugrunde liegende Artikel ein anderes Alibaba-Modell aus einem anderen Team behandelte. Aussagen zu Leistung oder Rang eines Videomodells von Alibaba sollten am tatsächlichen Gegenstand des Artikels geprüft werden.
Sowohl ja als auch nein, je nachdem, welches Produkt gemeint ist. Die Modellgewichte sind unter Apache 2.0 wirklich kostenlos: herunterladen, betreiben, kommerziell nutzen, sofern Sie den Lizenztext erhalten und die genannten Inhaltsbeschränkungen beachten. Ihre einzigen Kosten sind Hardware. Das gehostete Studio auf wan.video hat eine kostenlose Stufe, aber eine eingeschränkte: je ein gleichzeitiges Video und Bild, sechs Bildstile, keine Downloads ohne Wasserzeichen, kein 1080p, keine längeren Videos. Kostenpflichtige Stufen beginnen bei 5 Dollar monatlich bei jährlicher Abrechnung.
Alibaba, über sein Tongyi Lab, und ja. Die Fußzeile trägt einen Urheberrechtshinweis mit Alibaba Cloud als Betreiber sowie eine Kontaktadresse auf der Unternehmensdomain. Der stärkere Beleg ist infrastrukturell: Stylesheet und Anwendungsbündel der Seite werden aus Alibabas eigenem Auslieferungsnetz im Namensraum des Tongyi Lab bereitgestellt, die Kennung der Seitenanalyse lautet Tongyi Wanxiang, und für die Messung wird ein internes Alibaba-Paket geladen. Ein Dritter kann nicht in den Netzwerk-Namensraum eines anderen Unternehmens ausliefern. Die offizielle GitHub-Organisation ist Wan-Video, das offizielle Hugging-Face-Konto Wan-AI.
Für die offenen Modelle ist die Lage ungewöhnlich eindeutig. Apache 2.0 erlaubt kommerzielle Nutzung, und die Modellkarte hält fest, dass das Team keinerlei Rechte an Ihren erzeugten Inhalten beansprucht und Ihnen die Freiheit zur Nutzung lässt, solange diese der Lizenz entspricht. Für das gehostete Studio ließ sich das nicht klären, da dessen Nutzungsbedingungen im Rahmen dieser Recherche nicht zu beschaffen waren. Hängt Ihr kommerzielles Vorhaben an Studio-Ergebnissen statt an selbst gehosteten, holen Sie die Position vorab schriftlich ein.
Das hängt ganz von der Variante ab. TI2V-5B benötigt mindestens 24 GB Videospeicher, und die Dokumentation nennt die RTX 4090 als brauchbare Endkundenkarte. Die A14B-Modelle — T2V-A14B und I2V-A14B — benötigen mindestens 80 GB, also Rechenzentrumshardware. Diese Lücke ist die praktisch wichtigste Tatsache zum Selbstbetrieb von Wan, und die Downloadstatistik bestätigt es: Die Modelle mit 1,3 und 5 Milliarden Parametern werden weit häufiger geladen als die mit 14 Milliarden.
Wan2.2 stellt fünf bereit. T2V-A14B erzeugt Video aus Text und nutzt eine Expertenmischung mit 27 Milliarden Parametern insgesamt, von denen je Schritt rund 14 Milliarden aktiv sind. I2V-A14B erzeugt Video aus einem Bild auf derselben Architektur. TI2V-5B ist ein kleineres dichtes Modell, das beide Aufgaben in einem Prüfpunkt erledigt, und genau dieses läuft auf Endkundenhardware. S2V-14B erzeugt Video aus Sprache. Animate-14B übernimmt Figurenanimation und -austausch. Alle erzeugen in 480P und 720P mit 24 Bildern pro Sekunde.
Wan3.0 ist die aktuell hervorgehobene Fassung auf der gehosteten Seite; sowohl die zentrale Schaltfläche als auch die Überschrift des Funktionsabschnitts verweisen darauf. Sie bringt native Generierung über dreißig Sekunden, bis zu zwanzig Referenzmaterialien samt Auswertung von Dokumenten und Webseiten, Konsistenz auf Pixelebene mit Blick auf die Produktionslieferung sowie Bildfähigkeiten wie Textdarstellung in zwölf Sprachen und die Verschmelzung von neun Bildern. Die am weitesten verbreiteten offenen Gewichte stammen weiterhin aus den Generationen 2.1 und 2.2 — gehostetes Studio und herunterladbare Modelle stehen also nicht auf derselben Version.
Guthaben ist die Maßeinheit der gehosteten Stufen. Pro liefert 300 pro Monat, Premium 1.200. Das Unternehmen gibt die Umrechnung an, statt Sie raten zu lassen: 300 Punkte entsprechen bis zu 1.200 Bildern oder 60 Videos, 1.200 Punkte bis zu 4.800 Bildern oder 240 Videos. Guthaben lässt sich auch unabhängig von den Mitgliedschaftsstufen kaufen, und auf jeder Stufe kann man durch tägliches Einchecken zusätzliches verdienen.
Auf der Seite finden sich Verweise auf App Store und Google Play, versehen mit einem Vorbehalt, den das Unternehmen selbst nennt: Die Anwendung ist nicht überall verfügbar, betroffene Nutzende werden auf eine mobile Webfassung geleitet. Eine Suche im US-amerikanischen App Store mit mehreren Varianten liefert keine von Alibaba veröffentlichte Wan-Anwendung — nur unverwandte Produkte und zwei Drittanbieter-Apps, die den Namen übernehmen, mit je ein oder zwei Bewertungen, was als Stichprobe viel zu klein ist, um etwas zu bedeuten.
Ja, mit offizieller Unterstützung. Die Dokumentation von ComfyUI enthält ein Beispiel für einen nativen Arbeitsablauf zu Wan2.2, beschreibt es als offizielle Nutzungsanleitung für das Modell in ComfyUI und bestätigt die Apache-2.0-Lizenz einschließlich kommerzieller Nutzung. Für die meisten, die diese Modelle ohne eigenen Infrastrukturaufbau betreiben wollen, ist das der praktische Einstieg.
Nein, und die Preisseite sagt es ausdrücklich. Ein Abonnement gilt für die Erstellung auf create.wan.video; Schnittstelle und weitere Produkte erfordern gesonderte Käufe. Planen Sie programmgesteuerte Generierung, kalkulieren Sie das getrennt ein — und beachten Sie, dass diese Recherche weder Preise noch Aufrufspezifikationen der Schnittstelle ermitteln konnte.
