Wan — семейство моделей генерации видео от лаборатории Tongyi компании Alibaba: веса опубликованы под лицензией Apache 2.0 на GitHub и Hugging Face, а на wan.video работает размещённая студия для генерации видео и изображений.
Пользовались этим инструментом? Оцените его
Пользовались этим инструментом? Оцените его
Wan — это семейство моделей генерации видео от Alibaba, и существует оно в двух формах, которые легко перепутать. Первая — набор открытых весов моделей, опубликованных на GitHub и Hugging Face под лицензией Apache 2.0: их может скачать и запустить на собственном оборудовании кто угодно. Вторая — размещённая творческая студия по адресу wan.video, где вы платите подписку и генерируете прямо в браузере, не владея видеокартой. Большинство инструментов этой категории представляют собой либо одно, либо другое. Wan — это и то и другое, а что из двух должно вас интересовать, целиком зависит от того, есть ли у вас видеокарта с достаточным объёмом памяти.
Вопрос принадлежности стоит закрыть сразу, поскольку домены с названиями известных открытых моделей часто занимают посторонние лица. Здесь не тот случай. В нижней части wan.video стоит знак охраны авторского права, указывающий на предоставление сервиса Alibaba Cloud, и приведён контактный адрес на домене компании. Ещё убедительнее выглядит инфраструктура: ресурсы фронтенда сайта отдаются из собственной сети доставки контента Alibaba в пространстве имён лаборатории Tongyi — оттуда загружаются и таблица стилей, и сборка приложения, идентификатор аналитики сайта выставлен в Tongyi Wanxiang, то есть китайское торговое имя Wan, а скрипт измерений представляет собой внутренний пакет Alibaba. Никакая сторонняя организация не может выложить код в пространство имён чужой сети доставки. Это первичный сайт.
На открытой стороне официальная организация на GitHub называется Wan-Video, а официальная учётная запись на Hugging Face — Wan-AI. Репозиторий Wan2.2 описывает себя как открытые и продвинутые крупномасштабные генеративные видеомодели и насчитывает 17 280 звёзд при 2 191 ответвлении; более ранний репозиторий Wan2.1 имеет 16 888 звёзд и 3 450 ответвлений. Оба под лицензией Apache-2.0, как и производные репозитории организации: Wan-Animate-2 для анимации персонажей, Wan-Dancer для танцевальных движений и Wan-skills, описанный как набор навыков, позволяющий ИИ-агенту вызывать генеративные возможности Wan.
Размещённый продукт двигался быстрее, чем успевало обновляться большинство сторонних карточек. Сейчас сайт выдвигает вперёд Wan3.0: и главная кнопка действия, и заголовок раздела возможностей указывают на эту версию. При этом самые распространённые открытые веса по-прежнему относятся к поколениям 2.1 и 2.2. Если вам попадалось описание Wan как просто платформы для превращения текста в изображение и видео, оно старше нынешней версии.
Открытые веса и размещённая студия — не один продукт в разной упаковке. Они различаются лицензией, набором возможностей и тем, что вам позволено делать с результатом.
К весам применяются условия Apache 2.0, разрешающие коммерческое использование, изменение и распространение при сохранении уведомления об авторских правах и текста лицензии. Карточка модели на Hugging Face идёт дальше и прямо отказывается от прав на созданное: компания заявляет, что не претендует ни на какие права в отношении сгенерированного пользователем содержимого и оставляет свободу его использовать при условии соблюдения положений лицензии. Для вопроса о принадлежности результатов это на редкость ясная позиция.
Размещённая студия работает по собственным условиям подписки, и получить эти условия в ходе исследования не удалось — ограничение подробно разбирается ниже. Не следует полагать, что позиция Apache 2.0 в отношении результатов автоматически распространяется на содержимое, созданное на create.wan.video.
Сайт перечисляет пять видеовозможностей Wan3.0, и каждая сопровождается конкретным утверждением, а не расплывчатым. Omni-Creation принимает до двадцати опорных материалов и умеет разбирать документы и веб-страницы на входе. Native 30s Duration порождает тридцать секунд нативно, а не склеивает более короткие фрагменты, и компания подаёт это как опору для более цельного повествования. Pixel-Perfect Consistency выстроена вокруг предсказуемости сдачи в производственных процессах — примечательно, что это язык производства, а не творчества. Immersive Experience охватывает достоверность, фактуру и звуковое оформление. Precision Video Editing отвечает за управляемый монтаж.
Ещё пять возможностей относятся к изображениям. Portrait Customization доходит до строения костей и деталей глаз. Advanced Text Rendering поддерживает длинные тексты на двенадцати языках и создаёт диаграммы, формулы и инфографику; поскольку отрисовка текста давно считается слабым местом моделей изображений, это прицельное утверждение. Precise Color Control управляет распределением цвета. Multi-Image Editing объединяет до девяти изображений в один результат. Sequential Storytelling создаёт до двенадцати последовательных изображений с единым стилем и неизменным объектом. Interactive Editing позволяет выделять области рамкой, согласуя замысел на уровне пикселей.
Творческая консоль create.wan.video содержит восемь разделов навигации: обзор и генерация, холст и навыки, лаборатория и временная шкала, а также материалы и избранное. Присутствие холста и временной шкалы особенно ясно указывает на среду компоновки и выстраивания последовательности, а не на разовое взаимодействие по схеме сгенерировал и скачал. В верхней части консоли есть также отдельные входы для командной строки и программного интерфейса.
Wan2.2 включает пять вариантов, и число параметров здесь существенно, поскольку именно оно определяет требуемое оборудование. T2V-A14B — модель преобразования текста в видео, построенная как смесь экспертов с 27 миллиардами параметров, из которых на каждом шаге вывода активны около 14 миллиардов. I2V-A14B — модель из изображения в видео на той же архитектуре. TI2V-5B — плотная модель на 5 миллиардов параметров, объединяющая обе задачи в одной контрольной точке. S2V-14B работает с видео по речи. Animate-14B отвечает за анимацию и замену персонажей. Все они порождают видео в 480P и 720P при 24 кадрах в секунду.
Смесь экспертов — самое интересное архитектурное решение: вместо одной модели, ведущей весь процесс удаления шума, работают два специализированных эксперта, один на ранних зашумлённых этапах, другой на доводке при малом шуме. Официальная документация ComfyUI, где поддерживается нативный рабочий процесс для этой модели, сводит получаемые сильные стороны к трём пунктам: эстетический контроль кинематографического уровня с многомерным управлением освещением, цветом и композицией; крупные сложные движения с возросшей плавностью и управляемостью; и точное следование смыслу в сложных сценах со многими объектами. Там же отмечено, что версия на 5 миллиардов использует вариационный автокодировщик с высокой степенью сжатия ради экономии памяти.
Репозиторий не смягчает формулировок о том, что нужно для запуска этих моделей. Для линейки A14B задокументированная команда требует графического процессора не менее чем с 80 ГБ видеопамяти. TI2V-5B работает на потребительских видеокартах уровня 4090 и требует минимум 24 ГБ видеопамяти, причём в документации в качестве примера прямо названа RTX 4090.
Разрыв велик, и он заметно определил реальное распространение. Интерфейс самого Hugging Face показывает, что за тридцать дней лидирует по загрузкам модель преобразования текста в видео на 1,3 миллиарда параметров с 204 432 обращениями, а вплотную за ней идёт объединённая модель на 5 миллиардов с 198 975. Флагманские модели A14B отстают: 134 807 для изображения в видео и 132 815 для текста в видео. Иначе говоря, самую маленькую и вторую по величине модели скачивают примерно в полтора-три раза чаще, чем самые крупные. Настоящее ограничение этой технологии — не качество модели, а видеокарта в машине пользователя.
Сайт трактует программный интерфейс как самостоятельную третью продуктовую линию, ставя его в верхней навигации наравне с возможностями и открытым исходным кодом и отводя ему отдельную группу в нижней части с переходами к обзору платформы и порядку доступа. На странице тарифов зафиксирована важная коммерческая деталь: подписка на студию покрывает только творчество на create.wan.video, а программный интерфейс и прочие продукты требуют отдельных покупок. Конкретные тарифы и спецификации вызовов интерфейса в ходе исследования получить не удалось.
Самостоятельно размещённая генерация видео. Самое очевидное применение открытых весов. С картой на 24 ГБ TI2V-5B оказывается в пределах досягаемости, с оборудованием уровня центра обработки данных — и модели A14B. Лицензия Apache 2.0 означает, что и результат, и развёртывание принадлежат вам, с учётом заявленных ограничений по содержимому.
Строить поверх моделей. Поскольку веса можно скачать, а лицензия допускает изменение и распространение, модели можно дообучать, квантовать, упаковывать в продукт или встраивать в собственную систему. Одни только 3 450 ответвлений репозитория Wan2.1 показывают, что это происходит в заметном масштабе.
ComfyUI и узловые рабочие процессы. ComfyUI поддерживает официальный нативный процесс для Wan2.2, благодаря чему модели становятся доступны большому кругу авторов, работающих с графами узлов, а не с командной строкой.
Оценка без оборудования. Бесплатный уровень размещённой студии существует именно для этого. Вы можете оценить качество результата до того, как вкладываться в видеокарту или подписку.
Производственная работа с видео умеренного объёма. Платные уровни открывают вывод в 1080p, ролики длительностью от десяти до тридцати секунд и скачивание без водяного знака — три вещи, которые отделяют демонстрацию от того, что можно сдать.
Многоязычная работа с текстом на изображении. Отрисовка длинных текстов на двенадцати языках, включая диаграммы и инфографику, нацелена на задачу, с которой большинство моделей изображений справляется плохо.
Генерация под управлением агентов. Репозиторий Wan-skills упаковывает генеративные возможности как навыки для агентов, а студия предоставляет командную строку; вместе это подходит для программных автоматизированных конвейеров.
Начинайте с модели на 5 миллиардов, даже если оборудование позволяет больше. Цифры загрузок показывают, что сообщество сошлось на ней не случайно: она объединяет текст и изображение в видео в одной контрольной точке и работает на одной потребительской карте. Отладьте процесс здесь, а масштабирование оставьте на потом.
Осознанно выбирайте между китайским и английским для подсказок. Эти модели создавались с расчётом на двуязычные подсказки. Если ваш предмет полнее представлен в одном из языков, это стоит проверить, а не додумывать.
Нужен контроль — используйте генерацию из изображения. Отталкиваясь от картинки, которой вы уже управляете, вы убираете целую ось непредсказуемости по сравнению с генерацией из текста; этим же объясняется, почему у I2V-A14B больше всего отметок одобрения среди всех моделей этой учётной записи.
Не рассчитывайте на бесплатный уровень для того, что будете публиковать. Скачивание без водяного знака начинается с платных уровней. Результат, полученный для оценки качества, — это не результат, который можно сдать.
Продуманно выберите первый расчётный период. На странице тарифов сказано, что подписка продлевается автоматически и её можно отменить в любой момент, но первый месяц или год после активации возврату не подлежит. Для первой пробы выбирайте помесячную оплату, если вы ещё не уверены.
Не считайте, что студия наследует открытую лицензию. Условия Apache 2.0 и отказ от прав на созданное происходят из репозиториев моделей. У размещённого сервиса собственные условия, и здесь их получить не удалось.
При распространении сохраняйте текст лицензии. Apache 2.0 разрешает коммерческое использование, изменение и распространение, но обусловливает это сохранением исходного уведомления об авторских правах и текста лицензии. При упаковке модели в продукт об этом легко забыть.
Перед развёртыванием в масштабе прочитайте ограничения по содержимому. Карточка модели запрещает содержимое, нарушающее применимое право, причиняющее вред людям или группам, распространяющее личные данные с намерением навредить, распространяющее ложные сведения или направленное против уязвимых групп, и возлагает ответственность за соблюдение на пользователя.
Разработчикам и командам с доступом к видеокартам здесь достаётся самая своеобразная ценность. Открытые веса под свободной лицензией вместе с явным отказом от прав на результат — сочетание, которое предлагают немногие видеомодели.
Исследователям и тем, кто занимается дообучением, помогает широта вариантов: пять моделей под конкретные задачи плюс отдельные репозитории для анимации и танца дают достаточно точек старта.
Пользователям ComfyUI доступен официально поддерживаемый путь, что верно далеко не для каждой модели, перенесённой в эту экосистему.
Авторам без оборудования подойдёт размещённая студия, но оценивать её стоит по цене и результату наравне со специализированными размещёнными конкурентами, не предполагая, что открытое происхождение само по себе означает лучший размещённый продукт.
Тем, кто строит агентов и автоматизацию, доступны командная строка, линия программного интерфейса и репозиторий Wan-skills.
Кому стоит поискать другое: тем, кто рассчитывает разместить флагманские модели на потребительском оборудовании, поскольку 80 ГБ — это требование уровня центра обработки данных; тем, кому нужно изучить условия размещённого сервиса до обязательств, ведь эти документы недоступны; тем, кто находится в регионе без мобильного приложения и кому нужно именно нативное приложение, а не мобильный веб; и тем, кто хочет единых отношений с поставщиком по студии, интерфейсу и всему остальному, поскольку это покупается по отдельности.
Самостоятельное размещение. Любая машина, отвечающая порогу по видеопамяти; модели берутся с площадки кода GitHub и площадки моделей Hugging Face. Это самый полный и наименее ограниченный способ работать с Wan.
Веб-студия. create.wan.video с описанной выше консолью из восьми разделов. Требований к локальному оборудованию нет.
Мобильные устройства. На сайте есть ссылки на App Store и Google Play, но с оговоркой, которую формулирует сама компания: приложение доступно не во всех регионах, а затронутых пользователей направляют на мобильную веб-версию. Это региональное ограничение реально: поиск в американском App Store по трём вариантам запроса не возвращает ни одного приложения Wan, выпущенного Alibaba. Вместо этого находятся посторонние продукты и два сторонних приложения, заимствующих название, у каждого по одной-двум оценкам — выборка слишком мала, чтобы о чём-то говорить, и путать их с официальным продуктом нельзя.
Программный интерфейс. Предлагается отдельной продуктовой линией и требует отдельной покупки.
ComfyUI. Нативная поддержка, подтверждённая официальной документацией.
Здесь оценивается две разные вещи, и смешивать их не следует.
Открытые веса бесплатны. Под Apache 2.0, доступны для скачивания и коммерческого применения. Ваши расходы — оборудование и электричество.
Размещённая студия предлагает три уровня участия. Цены указаны за месяц, годовая оплата рекламируется со скидкой 50%:
| Уровень | Год (в месяц) | Месяц | Кредитов в месяц | Видео одновременно | Изображений одновременно |
|---|---|---|---|---|---|
| Free | 0 $ | 0 $ | — | 1 | 1 |
| Pro | 5 $ | 10 $ | 300 | 3 | 3 |
| Premium | 20 $ | 40 $ | 1 200 | 8 | 5 |
Компания приводит соответствия, позволяющие прикинуть кредиты: 300 кредитов на Pro дают до 1 200 изображений или 60 видео, а 1 200 кредитов на Premium — до 4 800 изображений или 240 видео. Отдельные вкладки на странице тарифов продают кредиты и подарочные карты вне структуры участия.
Чего лишён бесплатный уровень, не менее важно, чем то, что дают платные. Бесплатный ограничен шестью стилями изображений вместо всего набора, не позволяет скачивать изображения и видео без водяного знака, не даёт создавать видео в 1080p и ролики большей длительности от десяти до тридцати секунд. Платные уровни добавляют всё перечисленное, а также увеличение разрешения изображений. На любом уровне можно зарабатывать кредиты ежедневной отметкой.
Два условия оплаты заслуживают внимания. Подписка продлевается автоматически и отменяется в любой момент, но первый месяц или год после активации возврату не подлежит. И подписка покрывает только творчество на create.wan.video — программный интерфейс и прочие продукты требуют отдельных покупок.
Чисто размещённые генераторы видео — естественный объект сравнения для студии. Если вы вообще не собираетесь запускать веса локально, оценивайте студию Wan исключительно по качеству, цене и условиям в отношении прав; открытое происхождение в этом сравнении не даёт ей никакого преимущества.
Другие видеомодели с открытыми весами — вот что уместно сравнивать, если вы действительно размещаете у себя. Спрашивать нужно об условиях лицензии, требованиях к видеопамяти на каждом уровне качества и поддержке экосистемы. По первому пункту Wan выглядит хорошо: Apache 2.0 вместе с явным отказом от прав на результат находится на свободном краю, а поддержка в ComfyUI сопровождается официально.
Запуск меньших вариантов Wan сам по себе является альтернативой запуску флагманских. Раз TI2V-5B скачивают почти столь же часто, как модель на 1,3 миллиарда, и заметно чаще, чем обе A14B, подразумеваемый вердикт сообщества таков: компромисс между качеством и оборудованием на отметке в 5 миллиардов и есть разумное значение по умолчанию.
Другие видеомодели Alibaba не следует путать с Wan. Компания ведёт больше одного направления генерации видео в разных командах; материал о некоей видеомодели Alibaba не становится автоматически материалом о Wan. Вторичные источники здесь регулярно ошибаются.
Условия размещённого сервиса получить не удалось. Это самый значительный пробел в этом тексте, и он назван прямо, а не замаскирован. Ссылки в нижней части на политику использования, условия обслуживания, политику конфиденциальности и сводку по обучающим данным — все они представляют собой обработчики JavaScript без атрибута адреса. Прямой запрос к соответствующим путям возвращает лишь оболочку одностраничного приложения длиной 258 символов. Попытка открыть адрес условий в браузере без интерфейса переадресует на страницу ошибки. Поэтому здесь ничего не утверждается об условиях размещённого сервиса, его обращении с персональными данными и раскрытии обучающих данных. Всякому, у кого возникает коммерческая зависимость, следует запросить эти документы у компании до принятия обязательств.
Права на результат ясны для весов и неясны для студии. Отказ от прав в карточке модели конкретен и проверяем и относится к открытым моделям. Придерживается ли create.wan.video той же позиции, установить не удалось.
Флагманские модели требуют оборудования уровня центра обработки данных. Требование в 80 ГБ выводит A14B за пределы возможностей отдельных пользователей. Модель на 5 миллиардов с 24 ГБ — реалистичный потребительский предел, и распределение загрузок показывает, что сообщество к этому приспособилось.
На бесплатном уровне нельзя получить публикуемый результат. Ни скачивания без водяного знака, ни 1080p, ни большей длительности, а стилей изображений всего шесть.
Первый расчётный период не возвращается. Автопродление с возможностью отмены в любой момент, но без возврата за первый месяц или год после активации.
Покупки не переносятся между точками входа. Подписка на студию не покрывает ни программный интерфейс, ни другие продукты.
Доступность на мобильных ограничена регионально. Компания говорит об этом на собственном сайте, а отсутствие официального приложения в американском App Store это подтверждает.
Ограничения по содержимому действуют, и ответственность лежит на вас. Карточка модели запрещает несколько категорий содержимого и указывает, что пользователи полностью отвечают за соблюдение правил.
Метаданные сайта отстают от продукта. Текущая версия — Wan3.0, тогда как значительная часть циркулирующих описаний, включая метаданные, унаследованные этой карточкой, изображает более раннюю и узкую версию продукта. Проверяйте нынешние возможности на самом сайте, а не по сторонним описаниям.
Отнесение к категории требовалось поправить. Ранее эта карточка несла видеомонтаж как основную категорию. Собственная подача продукта ставит на первое место генерацию: три из четырёх заявленных возможностей генеративны, все пять вариантов открытых моделей относятся к генеративным или управляющим, а заголовок самой компании называет это моделью генерации видео. Монтаж существует, но вторичен.
Остерегайтесь смешения во вторичных публикациях. В ходе исследования сводка поиска приписала Wan позицию известной видеомодели в рейтинге, тогда как исходная статья была о другой модели Alibaba от другой команды. Утверждения о производительности или рейтинге видеомодели Alibaba следует сверять с действительным предметом статьи.
И да и нет, смотря какой продукт имеется в виду. Веса моделей действительно бесплатны под Apache 2.0: скачивайте, запускайте, применяйте коммерчески — при условии сохранения текста лицензии и соблюдения заявленных ограничений по содержимому. Ваши расходы ограничиваются оборудованием. У размещённой студии на wan.video есть бесплатный уровень, но стеснённый: по одному одновременному видео и изображению, шесть стилей изображений, ни скачивания без водяного знака, ни 1080p, ни более длинных роликов. Платные уровни начинаются с 5 долларов в месяц при годовой оплате.
Alibaba силами лаборатории Tongyi, и да, является. В нижней части стоит знак охраны авторского права с указанием на предоставление сервиса Alibaba Cloud и контактный адрес на домене компании. Более веское доказательство инфраструктурное: таблица стилей и сборка приложения отдаются из собственной сети доставки Alibaba в пространстве имён лаборатории Tongyi, идентификатор аналитики выставлен в Tongyi Wanxiang, а для измерений подгружается внутренний пакет Alibaba. Посторонняя организация не может размещать код в пространстве имён чужой сети доставки. Официальная организация на GitHub — Wan-Video, официальная учётная запись на Hugging Face — Wan-AI.
Для открытых моделей позиция необычайно ясна. Apache 2.0 разрешает коммерческое использование, а карточка модели указывает, что команда не претендует на права в отношении созданного вами содержимого и оставляет свободу его использовать, если применение соответствует лицензии. Для размещённой студии определить это не удалось: её условия обслуживания в ходе исследования получить не получилось. Если ваш коммерческий замысел опирается на результаты студии, а не на самостоятельное размещение, сначала получите позицию письменно.
Всё зависит от варианта. TI2V-5B требует не менее 24 ГБ видеопамяти, и в документации в качестве пригодной потребительской карты названа RTX 4090. Модели A14B — T2V-A14B и I2V-A14B — требуют не менее 80 ГБ, то есть оборудования уровня центра обработки данных. Этот разрыв — самый важный практический факт о самостоятельном запуске Wan, и статистика загрузок его подтверждает: модели на 1,3 и 5 миллиардов скачивают гораздо чаще, чем на 14.
Wan2.2 предлагает пять. T2V-A14B создаёт видео из текста и использует смесь экспертов с 27 миллиардами параметров, из которых на каждом шаге активны около 14 миллиардов. I2V-A14B создаёт видео из изображения на той же архитектуре. TI2V-5B — меньшая плотная модель, решающая обе задачи в одной контрольной точке, и именно она работает на потребительском оборудовании. S2V-14B создаёт видео по речи. Animate-14B занимается анимацией и заменой персонажей. Все порождают видео в 480P и 720P при 24 кадрах в секунду.
Wan3.0 — версия, которую сейчас выдвигает вперёд размещённый сайт: на неё указывают и главная кнопка, и заголовок раздела возможностей. Она приносит нативную генерацию на тридцать секунд, до двадцати опорных материалов с разбором документов и веб-страниц, согласованность на уровне пикселей с прицелом на сдачу в производстве, а также набор возможностей для изображений, включая отрисовку текста на двенадцати языках и объединение девяти изображений. Самые распространённые открытые веса по-прежнему относятся к поколениям 2.1 и 2.2, так что размещённая студия и скачиваемые модели находятся не на одной версии.
Кредиты — единица учёта на размещённых уровнях. Pro даёт 300 в месяц, Premium — 1 200. Компания приводит соответствия, не оставляя вас гадать: 300 кредитов равны до 1 200 изображений или 60 видео, а 1 200 кредитов — до 4 800 изображений или 240 видео. Кредиты можно купить и отдельно от уровней участия, и на любом уровне их дополнительно приносит ежедневная отметка.
На сайте есть ссылки на App Store и Google Play, но с оговоркой, которую делает сама компания: приложение доступно не везде, а затронутых пользователей направляют на мобильную веб-версию. Поиск в американском App Store по нескольким вариантам запроса не возвращает приложения Wan, выпущенного Alibaba, — только посторонние продукты и два сторонних приложения, заимствующих название, с одной-двумя оценками у каждого, что слишком малая выборка, чтобы иметь значение.
Можно, причём с официальной поддержкой. В документации ComfyUI есть пример нативного рабочего процесса для Wan2.2, описанный как официальное руководство по использованию модели в ComfyUI, и там же подтверждается лицензия Apache 2.0, включая коммерческое применение. Для большинства тех, кто хочет запускать эти модели, не строя инфраструктуру, это и есть практичный вход.
Нет, и страница тарифов говорит об этом прямо. Подписка относится к творчеству на create.wan.video; программный интерфейс и прочие продукты требуют отдельных покупок. Если ваш замысел предполагает программную генерацию, закладывайте это в бюджет отдельно — и учтите, что данное исследование не смогло получить ни тарифов, ни спецификаций вызовов интерфейса.
