Wan — семейство видеомоделей Alibaba, которое полюбили за одно редкое качество: часть версий можно скачать и запустить на своём компьютере бесплатно. Но в сети постоянно путаются, какие именно. Особенно после выхода Wan 3.0: многие пишут, что её тоже «выложили в открытый доступ». Это не так.
Ниже — понятная карта: что можно скачать, что доступно только через облако, сколько нужно видеопамяти и с чего начать.
Коротко: что скачивается, а что нет
- Wan 2.2 — открытая. Веса и код опубликованы в июле 2025 года под лицензией Apache 2.0. Её можно запускать локально, в том числе в коммерческих проектах.
- Wan 3.0 — только в облаке. Это закрытая модель, доступная через Alibaba Cloud Model Studio и сторонние платформы. Официальных весов для скачивания нет.
- Промежуточные версии после 2.2 тоже выходили как облачные сервисы, поэтому самые свежие скачиваемые веса — по-прежнему Wan 2.2.
Wan 2.2: что входит в открытую линейку
| Модель | Что делает | Разрешение |
|---|---|---|
| T2V-A14B | видео по тексту | 480p и 720p |
| I2V-A14B | видео из изображения | 480p и 720p |
| TI2V-5B | текст и изображение в видео | 720p, 24 кадра/с |
| S2V-14B | видео по речи и звуку | 480p и 720p |
| Animate-14B | анимация и замена персонажа | — |
Модели A14B построены по схеме «смесь экспертов» (MoE): разные «эксперты» отвечают за разные этапы генерации. По сравнению с Wan 2.1 модель обучали на заметно большем объёме данных — на 65,6% больше изображений и на 83,2% больше видео.
Сколько нужно видеопамяти
По официальной документации:
- TI2V-5B запускается на видеокарте с 24 ГБ памяти, например RTX 4090. Это самый доступный вариант для дома;
- T2V-A14B и I2V-A14B в базовом скрипте разработчиков требуют карту с 80 ГБ памяти — это серверный уровень. Есть параметры, снижающие требования за счёт выгрузки частей модели в оперативную память.
Сообщество выпускает сжатые версии и оптимизации (например, в ComfyUI, DiffSynth-Studio, LightX2V), которые позволяют запускать тяжёлые модели на более скромном железе, но ценой скорости или качества.
Animate и S2V: две особые модели
В линейке 2.2 есть две модели, которые решают нестандартные задачи.
- Animate-14B переносит движения и мимику с видео на персонажа с картинки или заменяет героя в готовом ролике. Так можно «оживить» нарисованного маскота, повторив движения реального человека.
- S2V-14B делает видео по звуку: на вход подаются изображение и аудиозапись речи или песни, на выходе — ролик, где герой говорит или поёт синхронно со звуком. Для озвучки можно подключить синтез речи CosyVoice.
Обе модели тоже открыты и поддерживаются в ComfyUI и Diffusers.
Как начать с Wan 2.2 в ComfyUI
ComfyUI — самый простой способ для тех, кто не хочет работать с командной строкой. Поддержка Wan 2.2 появилась в нём в день релиза.
- Установите или обновите ComfyUI до свежей версии.
- Откройте галерею шаблонов и найдите шаблоны Wan 2.2. Для начала выберите вариант с моделью TI2V-5B.
- Скачайте файлы, которые запросит шаблон, — ComfyUI покажет, какие модели нужны и куда их положить.
- Напишите запрос или загрузите стартовую картинку.
- Запустите генерацию. Первый ролик займёт больше времени: модель загружается в память.
Пример запроса
Рыжий кот сидит на подоконнике, за окном идёт снег. Кот поворачивает голову и следит за снежинкой. Тёплый свет лампы, камера медленно приближается. Кинематографичная картинка.
Wan 2.2 обучали на данных с подробной разметкой света, композиции и цвета, поэтому слова о свете и ракурсе действительно влияют на результат.
Для разработчиков: модели есть на Hugging Face и ModelScope, поддерживаются в библиотеке Diffusers, а в репозитории на GitHub лежат скрипты для запуска из командной строки.
Wan 3.0: что умеет облачная версия
Wan 3.0 — модель «всё в одном»: генерация, референсы, редактирование и продление в одном API. По документации Alibaba Cloud:
- до 30 секунд за одну генерацию, 30 кадров в секунду;
- звук сразу: реплики, фоновая музыка и эффекты;
- разрешение 480p, 720p или 1080p;
- до 20 референсов: до 10 изображений, до 5 видео и 5 аудио, а также документ или ссылка на веб-страницу;
- первый и последний кадр для точного контроля начала и конца ролика;
- редактирование: добавить или убрать объект, сменить стиль, свет или реплику героя;
- продление ролика вперёд, назад или в обе стороны.
Любопытная деталь: модель умеет делать ролик по документу. Можно передать презентацию или таблицу, и Wan 3.0 превратит их в рекламный ролик или анимированную инфографику.
Как писать запросы для Wan 3.0
Документация Alibaba рекомендует для длинных роликов формат раскадровки: сцена делится на планы по 4–6 секунд, и у каждого есть отметка времени. Например:
0–5 с: общий план, утренний рынок, продавец раскладывает яблоки. 5–10 с: средний план, покупательница выбирает яблоко и спрашивает: «Сладкие?» 10–15 с: крупный план, продавец улыбается: «Попробуйте!» Звук: гул рынка, лёгкая гитара.
Если длительность не важна, её можно не задавать: модель сама подберёт подходящую. Для правки готового видео в запросе обязательно должно быть явное намерение — «замени», «убери», «сделай в стиле…», — иначе модель может воспринять видео как обычный референс.
Где попробовать Wan 3.0
- Alibaba Cloud Model Studio — через API, модель называется
wan3.0-video. Доступность зависит от региона. - Сторонние платформы. Например, Wan 3.0 есть в новом Pika: пятисекундный ролик 720p там стоит 33 кредита, тогда как на Seedance 2.5 — 122.
Учтите, что для зарубежных облаков и сервисов нужна иностранная карта.
Что выбрать
- Хотите бесплатно, приватно и без лимитов — Wan 2.2 на своём компьютере. Начните с TI2V-5B.
- Нужны звук, длинные сцены и монтаж — Wan 3.0 в облаке.
- Нет мощной видеокарты — облачные сервисы. Сравнить варианты помогут наши обзоры видео из фото в Kling 3.0 и того, как работает Veo 3.1 в Google Flow.
Если вы уже запускаете на своём компьютере языковые модели, многое будет знакомо: принципы те же, что в нашем гайде о локальном запуске Qwen через Ollama. А сценарий для будущего ролика удобно подготовить заранее — об этом наша статья о сценарии короткого видео с помощью ChatGPT.
Частые вопросы
Wan 3.0 можно скачать?
Нет. На начало октября 2026 года Alibaba не публиковала веса, код или лицензию Wan 3.0 для локального запуска. Сайты, предлагающие «скачать Wan 3.0», — повод насторожиться.
Можно ли использовать Wan 2.2 в коммерческих проектах?
Модели Wan 2.2 распространяются под лицензией Apache 2.0, а разработчики не претендуют на права на созданный контент. Ответственность за использование лежит на пользователе.
Какая видеокарта нужна для Wan 2.2?
Для TI2V-5B — от 24 ГБ видеопамяти, например RTX 4090. Тяжёлые модели A14B в базовой конфигурации рассчитаны на серверные карты на 80 ГБ.
Генерирует ли Wan 2.2 звук?
Обычные модели генерации видео — нет. Есть отдельная модель S2V-14B, которая делает видео по речи или звуку. В Wan 3.0 звук создаётся вместе с видео.
Понимает ли Wan запросы на русском?
В официальной документации все примеры запросов на английском и китайском. Простые запросы на русском часто срабатывают, но для предсказуемого результата надёжнее перевести запрос на английский.
