ما يفعله Wan 2.2 من صورة إلى فيديو
Wan 2.2 هو جيل 2025 من نماذج الفيديو المفتوحة لدى علي بابا، صدر في يوليو 2025 برخصة Apache 2.0. نسخة الصورة إلى فيديو، Wan2.2-I2V-A14B، محوّل انتشار بمزيج من الخبراء: خبير يتولى الخطوات الأولى شديدة الضجيج التي تحدد الحركة العامة، وآخر يتولى الخطوات الأخيرة التي تصقل التفاصيل. نحو 14 مليار معامل نشطة في كل خطوة من أصل 27 ملياراً. وهناك نموذج هجين أصغر، Wan2.2-TI2V-5B، يقبل النص والصورة ويعمل على بطاقة استهلاكية واحدة.
تعطي النموذج صورة تصبح الإطار الأول للمقطع، وأمراً يقول ما الذي يجب أن يتحرك. فيولّد 81 إطاراً بمعدل 16 إطاراً في الثانية، أي نحو خمس ثوانٍ، ويحافظ على هوية الموضوع أفضل بكثير من النماذج المفتوحة السابقة: تبقى الوجوه والملابس والإضاءة متسقة بينما تتحرك الكاميرا أو الموضوع.
كيف تكتب أمر الحركة
الصورة تحمل أصلاً الموضوع والأسلوب والتكوين، فلا يحتاج الأمر إلا إلى وصف التغيير. اكتب جملة أو جملتين قصيرتين: من أو ما الذي يتحرك، وكيف، وماذا تفعل الكاميرا. «تدير المرأة رأسها إلى اليمين وتبتسم، نسيم خفيف في شعرها، اقتراب بطيء للكاميرا» يعمل جيداً؛ أما قائمة وسوم الأسلوب فلا. سمِّ الكاميرا عندما يهم ذلك: «كاميرا ثابتة»، «تحريك أفقي بطيء إلى اليسار»، «الطائرة المسيّرة ترتفع».
اجعل الحركة معقولة لخمس ثوانٍ. حركة واحدة في كل أمر تُنفَّذ بنظافة؛ ثلاث حركات متتالية تعطي نتيجة متقطعة أو مبتورة. أفعال مثل يمشي، يلوّح، يرمش، يتدفق، ينجرف، يدور تعطي حركة متوقعة. لا تطلب ما ليس في الصورة: يستطيع النموذج تحريك سيارة، لكنه لن يخترع الطريق خلفها بشكل مقنع. وللأمر السلبي تكفي القائمة المعتادة: ضبابي، أيدٍ مشوّهة، أطراف زائدة، وميض، علامة مائية، نص.
الإعدادات المهمة
- الدقة: 480p أسرع أربع مرات من 720p وغالباً تكفي لوسائل التواصل؛ استخدم 720p للمقطع النهائي.
- عدد الإطارات: 81 إطاراً بمعدل 16 في الثانية هو المقطع القياسي لخمس ثوانٍ. التسلسلات الأطول تنحرف؛ الأفضل توليد مقطعين ثم المونتاج.
- الخطوات: من 20 إلى 30 خطوة أخذ عينات. دون 15 تتلطخ الحركة، وفوق 40 لا يُرى فرق.
- التوجيه (CFG): من 4 إلى 6. القيم الأعلى تتبع الأمر حرفياً أكثر لكنها تزيد الوميض.
- البذرة: كما في Stable Diffusion، الصورة والأمر والبذرة نفسها تعيد إنتاج المقطع نفسه؛ غيّر البذرة وحدها للحصول على حركة أخرى للصورة نفسها.
يستغرق مقطع 720p عدة دقائق على معالج رسومي مشترك في العرض التجريبي: تحقّق من الأمر بدقة 480p، ثم أعد التشغيل بدقة 720p بالبذرة نفسها.
أي الصور تتحرك على نحو أفضل
يعمل Wan 2.2 من أي صورة فوتوغرافية أو مولَّدة، لكن بعض الصور أسهل بكثير. موضوع رئيسي واضح على خلفية بسيطة يعطي حركة نظيفة؛ أما المشهد المزدحم فيجبر النموذج على اختيار ما يتحرك. التأطير الأفقي يطابق نسبة الفيديو، فتُقصّ الصور العمودية أو تُحشى. صورة حادة جيدة الإضاءة لا يقل ضلعها الطويل عن 1024 بكسل تحتفظ بتفاصيلها طوال المقطع؛ أما المصدر الضبابي أو شديد الضغط فيعطي فيديو ضبابياً.
الصور المولَّدة بـ Stable Diffusion أو SDXL أو FLUX تتحرك جيداً جداً، ما يجعل الصورة إلى فيديو أسهل طريقة للحصول على فيديو قصير بمظهر دقيق: ولّد أولاً الإطار الذي تريده بالضبط، ثم حرّكه.
تشغيل Wan 2.2 I2V في المنزل
الأوزان متاحة على Hugging Face وتعمل في ComfyUI وفي Diffusers وفي مستودع Wan الرسمي. يحتاج نموذج I2V بحجم 14B إلى نحو 80 جيجابايت من ذاكرة الفيديو بالدقة الكاملة، أو بطاقة 24 جيجابايت مع نقاط التحقق المكمّمة fp8 والتفريغ إلى المعالج، مقابل عدة دقائق لكل مقطع. يولّد نموذج TI2V بحجم 5B مقطع 720p لخمس ثوانٍ على RTX 4090 في أقل من عشر دقائق ويحتاج نحو 24 جيجابايت. على البطاقات الأصغر استخدم السحابة أو العرض التجريبي المجاني في هذا الموقع.