我用 Wan2.2 把一張靜態產品圖變成了客戶要的宣傳影片

Wan2.2 是什麼

Wan2.2 是通義萬相推出的 AI 大模型，專門用來生成圖片和影片——從一段文字指令、一張靜態圖、甚至一段音訊，都能驅動模型產出你要的內容。它是開源的，程式碼和模型權重都放在 GitHub 上，Apache 2.0 授權，意思是你不僅能自己跑，還能商業使用、二次開發、甚至整合進自己的產品裡。

對一般使用者來說，最直接的接觸方式就是 Android 上的行動版——從 Wan2.2官網 取得的一個 64MB 左右的 APK，裝到手機上就能用百煉雲端 API 跑文生圖、文生影片，也能接本機部署的後端。對專業用戶來說，Wan2.2 的真正價值在於它的 I2V（Image-to-Video，圖生影片）模型——給一張靜態圖當首幀，模型會保持圖裡的人物、商品、文字一致，然後生成後續動起來的畫面。這一點比很多閉源模型還強，尤其是在產品一致性和人像一致性上，2.2 版本相比 2.1 有明顯進步。

安裝

既然這是 Android APK，安裝流程跟一般 Android 應用沒什麼兩樣，但有幾點值得注意。Wan2.2下載 完後的安裝包大小 64.42MB，建議在 Wi-Fi 環境下進行，省點行動網路流量。下載完成後如果系統彈出「未知來源」警告，去設定裡打開允許該來源安裝即可——這是 Android 的預設安全機制，不是 Wan2.2 本身有什麼問題。

首次啟動時應用會引導你登入，這是因為行動版需要透過百煉的雲端 API 來呼叫大模型，沒有登入的話只能用本機輕量模式，效果和速度都會打折扣。登入完成後建議進設定把語言切成繁體中文，預設是簡體。另外要確認一下儲存空間——生成的圖片和影片會存在內部儲存的應用資料夾裡，跑過幾次之後很容易吃掉幾百 MB 甚至上 GB，定期清理一下比較好。

朋友的產品圖，客戶要影片

上週設計朋友丟給我一個難題：她幫一家 3C 品牌做了新產品的主視覺，一張高保真電腦渲染圖，細節滿滿——金屬外殼的反光、側邊的按鈕紋理、背景的漸層光暈，整體質感很到位。客戶看了圖說不錯，但想要三支不同運鏡的十五秒短片當社群投放素材：一支從左向右平移展示側面、一支從上方俯拍緩緩拉遠、一支特寫鏡頭慢慢推進到產品 logo。

她問我這種需求是不是得進 AE 做動畫，還是找素材網買現成模板。我說先別急，讓我試個東西。

我打開 Wan2.2 的行動版，新建了一個圖生影片的任務——Wan2.2-I2V-A14B 這個模型專門就是幹這件事的。它的核心思路是：你提供一張靜態圖當影片的第一幀，模型在這個約束下生成後續幀，同時保持圖裡的元素一致。比起純文生影片會偶爾「跑偏」的情況，I2V 有了首幀約束，場景起點就不會錯。

我把朋友的產品圖上傳進去，然後在提示詞裡描述運鏡——第一支寫了「Camera pans from left to right, showing the product's side profile with smooth motion」，第二支「Camera pulls back from above, wide establishing shot」，第三支「Camera slowly pushes in to focus on the brand logo」。Wan2.2 的 I2V 模型支援運鏡控制，在提示詞裡描述鏡頭推拉搖移，模型會按你說的方式生成鏡頭運動，這一點是它比同類閉源模型還強的地方。

然後等。行動版走雲端 API，一個十五秒的 720P 影片大概要等兩到三分鐘，三支就是十分鐘左右。等待的時間我去泡了杯咖啡。

回來的時候三支影片都在待儲存列表裡。我逐支播放檢查——平移那支的側面按鈕紋理跟原圖對得上，拉遠那支從俯視角展示了完整的產品輪廓，推進那支 logo 的位置也跟原圖完全一致。沒有人像漂移、沒有紋理錯亂、沒有產品變形。我把三條影片透過 Line 丟給朋友，五分鐘後她回我三個驚嘆號。

為什麼 Wan2.2 能做到這件事

事後我回頭查了一下 Wan2.2文檔 裡的技術架構，發現它的 I2V 模型之所以能把產品一致性做得這麼好，跟它的 MoE（Mix of Experts）設計有關。A14B 系列模型總參數有 270 億，但不是每次推理都把全部參數動員起來——MoE 結構會根據輸入內容動態激活一部分專家網路，既能保證生成品質，又能讓推理速度在單張顯卡上跑得動。

不過這也帶來一個現實問題：A14B 需要 80GB 顯存才能單卡跑起來，這對一般玩家來說太貴了。Wan2.2 官方在 GitHub 倉庫裡內建了 PyTorch FSDP 和 DeepSpeed Ulysses 兩種並行機制，把模型參數分片存到多張 GPU 上，8 卡並行的話推理速度比單卡快 5 到 7 倍，而且在 Hopper 架構的 H100 上效果最明顯。如果只有一張 4090，也不是沒辦法——可以用 TI2V-5B 這個輕量模型，雖然沒有 MoE，但同樣支援圖生影片，加上 --offload_model True 參數就能跑。

那個下午之後

朋友用那三支影片投了兩天的社群廣告，轉換率比上次用素材網買的模板高出了快一倍。客戶追著要更多角度的變化，她現在把剩下的產品圖也一張張丟給我做 I2V 轉換，乾脆變成了我們之間一個固定的小委託。

我自己也開始用 Wan2.2 來處理一些過去覺得麻煩的事——比如寫部落格需要一張動態示意圖，過去要自己做 gif 或者找現成素材，現在直接一張靜態圖丟進 I2V，寫一句「鏡頭緩慢推近」，三分鐘就拿到成品。

Wan2.2 當然不是完美的。它需要 GPU、需要雲端 API key、提示詞的英文描述準確度會影響運鏡效果、有時候生成的影片細節還是會有一點瑕疵。但作為一個開源、商業可用、有社群活躍貢獻者的工具來說，它確實把「靜態圖變動態影片」這件事的門檻拉低了不少。那個下午之前，我不會想到自己能在咖啡冷掉之前，幫別人省掉半個禮拜的動畫製作工作量。

本文为个人基于网络公开资料整理编写，非官方内容，仅供学习交流参考；软件版权归原作者所有，请支持正版；使用过程中遇到问题请查阅官方渠道，本文不承担任何责任。