Wan: генератор видео — что умеет и что нужно для запуска

Wan — это генератор видео с открытым кодом от Alibaba, решающий задачу text-to-video. Модель преобразует текстовое описание в видеоряд и, по заявлению разработчиков, способна работать на потребительских видеокартах.

Что умеет

Авторы описывают Wan как открытую и продвинутую крупномасштабную модель для генерации видео. В описании репозитория указано, что модель T2V-1.3B генерирует пятисекундное видео в разрешении 480P на RTX 4090 примерно за четыре минуты без применения техник оптимизации вроде квантования. Разработчики отмечают, что производительность модели сопоставима с некоторыми закрытыми аналогами.

Что нужно для запуска

• Платформа и язык: Python, библиотека diffusers.
• Видеопамять: по описанию автора, модели T2V-1.3B требуется 8.19 ГБ VRAM.
• Файлы весов: самый большой файл весов занимает 10.6 ГБ. Общий объём всех файлов весов авторы не указывают.
• Лицензия: код и веса распространяются под Apache-2.0.
• Репозиторий: github.com/Wan-Video/Wan2.1, создан 25 февраля 2025 года. Последнее изменение кода — 5 марта 2026 года.
• Модель: huggingface.co/Wan-AI/Wan2.1-T2V-14B.
• Сайт: wan.video.

Кому подойдёт

Инструмент может заинтересовать тех, кто ищет открытую модель для генерации видео по тексту с возможностью запуска на локальном оборудовании. Заявленное потребление видеопамяти в 8.19 ГБ позволяет использовать её на многих потребительских GPU. Модель не подойдёт тем, кому нужна генерация видео высокого разрешения за короткое время без дополнительной оптимизации — авторы приводят данные только для 480P, а время рендеринга на топовой карте составляет около четырёх минут на пять секунд видео.

Wan распространяется под разрешительной лицензией Apache-2.0 как для кода, так и для весов, что снимает многие ограничения на использование и модификацию. При этом стоит учитывать, что все оценки производительности даны самими разработчиками, а не получены в независимых тестах.