Wan API: Open Video Generation by Alibaba

Wan APIは、単一の統合キーを通じて、Atlas Cloud上のAlibabaのオープンなWanビデオモデルを開発者に提供します。このページでは、ビデオ拡散にMixture-of-Expertsアーキテクチャを先駆けて採用した基盤ビデオモデルであるWan 2.2を実行しており、テキストからのビデオ生成、画像からのビデオ生成、そして映画のようなモーション制御を備えたビデオ間の変換をカバーしています。同じアカウント上の300以上の他のモデルと並んで提供されるため、個別のセットアップなしでOpenAI互換のエンドポイントからアクセスできます。

Wan 2.2にはいくつかのバリアントが用意されています。映画品質のテキストから動画（text to video）、および画像から動画（image to video）を生成するために構築されたA14Bモデルと、両方のモードを統合し、コンシューマー向けGPUを使用して720pで動作する軽量なTI2V-5Bモデルです。Atlas Cloudは、わずかに忠実度を犠牲にする代わりに、より高速で低レイテンシの生成を可能にするturboバリアントも提供しています。最高の品質にはA14Bを、効率性にはTI2V-5Bを、迅速なイテレーションにはturboをお選びください。

Wan APIは、テキストから動画、画像から動画、動画から動画への変換を網羅しており、プロンプトからの開始、静止画のアニメーション化、または既存の映像の変換が可能です。また、最初から最後までのフレーム制御、クリップを長くするための動画拡張、および解像度を高めるためのアップスケーリングもサポートしています。各モードはパラメータまたはエンドポイントの変更だけで済むため、単一の統合で混在するパイプラインを維持できます。

Mixture-of-Experts, or MoE, splits the denoising process across specialized expert models that each handle part of the work. Wan 2.2 was the first video diffusion model to use this design, which raises overall model capacity and detail without increasing inference cost per step. In practice that means richer scenes and more accurate motion at the same compute budget.

Wan 2.2はネイティブで480pおよび720pの生成に対応しており、1080pまたは2Kへのアップスケーリングにより高解像度化も可能です。1回の生成あたりの一般的なクリップの長さは数秒程度の短い範囲です。より軽量なTI2V-5Bバリアントは、24fpsでの720pをターゲットとしています。

はい。Wan 2.2は、AlibabaによりApache 2.0ライセンスの下でリリースされており、モデルの重みと推論コードがHuggingFaceとGitHubで公開されているため、ダウンロード、変更、セルフホストが可能です。ローカルで実行するには、少なくとも16GBのVRAMを搭載したGPUが必要であり、より大規模なA14Bモデルの場合はさらに多いことが理想的です。Atlas CloudがWan APIをホストしているため、ハードウェアやスケーリングの作業を完全に省略できます。

はい。Apache 2.0ライセンスでは、商用利用、変更、再配布が許可されているため、Wan 2.2で生成された動画は商用プロジェクトに利用できます。ご利用のプランの詳細についてはAtlas Cloudの利用規約をご確認ください。また、同意なしに実在する特定可能な人物を描写するコンテンツを生成することに関する通常の制限事項にご注意ください。

The turbo variants apply an rCM sampler and 4-step distillation, which compress the denoising process into far fewer steps. This lowers latency and cost per clip while keeping strong visual fidelity, which makes turbo a good fit for iteration, batch runs, and prompt testing. Move to the standard A14B models when a final render needs maximum detail.

生成は非同期です。各リクエストは予測IDを返し、クリップが準備できるまでこれをポーリングします。これはキューや大量の実行に適しています。429レスポンスに対しては指数的バックオフと再試行を追加し、ドラフトには turbo バリアントを使用して高いスループットを維持してください。ワークロードの増加に伴い、同時実行数の制限を引き上げるにはサポートにお問い合わせください。

Atlas Cloud でアカウントを作成し、API キーを生成して、OpenAI 互換のエンドポイント経由でプロンプトまたは入力画像を Wan モデルにリクエストとして送信します。予測エンドポイントをポーリングして完成したクリップを取得し、必要に応じてスケールアップします。同じキーで 300 以上のモデルにアクセスできるため、追加の設定なしで他の動画や画像モデルをテストできます。