从 Wan2.2 看视频模型的音画同步趋势（上手实测）

作为常年和 X 打交道的人，说点实在的。先从我最近的一段经历说起。 这轮「实测记录」我把环境、参数和输出都记了流水账，供同好参考。 Wan2.2 是阿里云·通义万相的作品，公开信息显示发布于2025-07-28。参数规模方面，T2V-A14B / I2V-A14B 为 MoE（总约 27B、激活 14B）；TI2V-5B 为 dense 5B；另有 S2V-14B、Animate-14B，许可协议是Apache 2.0（全部五个权重）。 落地时绕不开的资源问题——TI2V-5B 约 24GB；A14B 官方单卡 80GB，社区量化 12GB 卡可低精度跑。 产品视角第一问永远是：目标用户是谁，愿意为什么买单。对我触动比较大的细节：S2V-14B（2025-08-26）语音生视频；TI2V-5B 用 Wan2.2-VAE（4×16×16）；MoE 混合专家架构、电影级美学、首尾帧控制。 祝大家少踩坑，多出活。故事讲完了，你的版本呢？—— 有不同看法的，评论区见。