Για λογαριασμούς χωρίς αγορά: εκτελέσεις πάνω από 2 πιστωτικές μονάδες χρειάζονται ανεβάσματος.
Νέος εδώ;
10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google
Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες.
02
Examples
Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.
Input
Prompt
Close-up shot of an elderly sailor wearing a yellow raincoat, seated on the deck of a catamaran, slowly puffing on a pipe. His cat lies quietly beside him with eyes closed, enjoying the calm. The warm glow of the setting sun bathes the scene, with gentle waves lapping against the hull and a few seabirds circling slowly above. The camera slowly pushes in, capturing this peaceful and harmonious moment.
Διάρκεια: 0:05
Settings
resolution
480p
num_frames
81
frames_per_second
16
Input
Prompt
she looks up
Διάρκεια: 0:05
Settings
resolution
480p
num_frames
81
frames_per_second
16
Input
Prompt
she looks up, and then looks back
Διάρκεια: 0:05
Settings
resolution
480p
num_frames
81
frames_per_second
16
Παράδειγμα προτροπών
Παραδείγματα από τον κατάλογο Railwail. Δεν δημιουργήθηκαν ζωντανά σε αυτήν τη σελίδα.
Animate
Διάρκεια: 0:05
Subject turns head and smiles
03
Σχετικά με το Wan 2.2 Image-to-Video
ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026
Το Wan 2.2 Image-to-Video είναι ένα μοντέλο του Alibaba (Wan) στην κατηγορία Δημιουργία βίντεο. Στο Railwail, το Wan 2.2 Image-to-Video κοστίζει 0,060 $ ανά βίντεο. Ανάλογα με τις ρυθμίσεις, η τιμή κυμαίνεται από 0,060 $/βίντεο έως 0,174 $/βίντεο.
Φόντο
Σχετικά με Alibaba (Tongyi Wanxiang Lab)
Ιδρύθηκε 1999 · Hangzhou, China
Alibaba's Tongyi Lab runs the Qwen LLM family and the Wanxiang generative-media family (image and video). After Wan 2.0 (mid-2024) and Wan 2.1 (early 2025), the team released Wan 2.2 in 2025 as the next-generation open-weight video model. Wan 2.2 ships as two purpose-tuned variants -- Image-to-Video (Wan-I2V) and Text-to-Video (Wan-T2V) -- alongside an audio/A2V variant. Wan 2.2 Image-to-Video is positioned for animating a user-supplied first frame with strong identity preservation and rich motion, and remains under the permissive Wan-series licence that enables broad commercial and research use.
Diffusion Transformer (DiT) with image-conditioning adapters and 3D causal VAE
Wan 2.2 Image-to-Video is a Diffusion Transformer operating on a 3D causal Wan-VAE latent. The model is initialised from a Wan 2.2 base and fine-tuned for image-to-video with dedicated conditioning adapters that inject features from the user-provided first frame at multiple resolutions of the DiT, ensuring strong identity preservation and continuity. Text conditioning uses a Qwen-family multilingual encoder with strong Chinese-English capability. Native generation is 5 seconds at 720p / 24 fps (with 1080p in extended modes). Wan 2.2's MoE-style scaling and improved 3D RoPE enable better motion physics and reduced identity drift relative to Wan 2.1. The training recipe includes a curriculum mixing image-to-image, image-to-short-video and image-to-long-video data with synthetic dense captions. The release is open-weight on Hugging Face and GitHub under the Wan-series permissive licence.
Παράμετροι
14 billion (I2V flagship); smaller variants available
Δυνατότητες
Open-weight image-to-video model with strong identity preservation
Bilingual Chinese/English prompts via Qwen-based text encoder
Identity-preserving conditioning on a user first frame
Permissive Wan-series licence for research and commercial use
Active community ecosystem on Hugging Face / ComfyUI
Compatible with LoRA fine-tunes and reference adapters
Reproducible training recipe documented in technical reports
Best for: open-source image animation pipelines, e-commerce product motion, character animation.
Εκπαίδευση & άδεια
Curated multi-million-clip multilingual video corpus with paired first-frame conditioning data and dense bilingual captions; specifics documented in the Wan 2.2 technical materials.
Άδεια: Open weights under an Apache-style permissive licence (Wan-series release).
Δοκιμές ασφάλειας: Data-level filtering and recommended NSFW classifier for deployment; Alibaba-hosted endpoints follow Chinese CAC algorithmic-content rules.
Γνωστοί περιορισμοί
Native duration 5 seconds
Identity can drift on long extensions
No native audio
High VRAM requirements for the 14B flagship
Closed leaders (Veo 3, Sora 2, Kling v3) still ahead on absolute fidelity
curl https://railwail.com/api/v1/videos/generations \
-H "Authorization: Bearer $RAILWAIL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan-i2v",
"prompt": "A slow drone shot over a misty pine forest at sunrise",
"start_image": "https://example.com/first-frame.jpg"
}'
# Response: {"job_id": "...", "status": "queued", ...}
# Poll until status is completed, failed or cancelled:
curl https://railwail.com/api/v1/jobs/JOB_ID \
-H "Authorization: Bearer $RAILWAIL_API_KEY"
import os
import time
import requests
API = "https://railwail.com/api/v1"
headers = {"Authorization": f"Bearer {os.environ['RAILWAIL_API_KEY']}"}
job = requests.post(
f"{API}/videos/generations",
headers=headers,
json={
"model": "wan-i2v",
"prompt": "A slow drone shot over a misty pine forest at sunrise",
"start_image": "https://example.com/first-frame.jpg",
},
).json()
while True:
status = requests.get(f"{API}/jobs/{job['job_id']}", headers=headers).json()
if status["status"] in ("completed", "failed", "cancelled"):
break
time.sleep(5)
print(status["status"], status.get("output_url"))
const API = "https://railwail.com/api/v1";
const headers = {
Authorization: `Bearer ${process.env.RAILWAIL_API_KEY}`,
"Content-Type": "application/json",
};
const job = await fetch(`${API}/videos/generations`, {
method: "POST",
headers,
body: JSON.stringify({
model: "wan-i2v",
prompt: "A slow drone shot over a misty pine forest at sunrise",
start_image: "https://example.com/first-frame.jpg"
}),
}).then((r) => r.json());
let status;
do {
await new Promise((r) => setTimeout(r, 5000));
status = await fetch(`${API}/jobs/${job.job_id}`, { headers }).then((r) => r.json());
} while (!["completed", "failed", "cancelled"].includes(status.status));
console.log(status.status, status.output_url);
Το Wan 2.2 Image-to-Video είναι ένα μοντέλο του Alibaba (Wan) στην κατηγορία Δημιουργία βίντεο. Στο Railwail μπορείτε να το καλέσετε με ένα API key μέσω του Railwail API.
Πόσο κοστίζει το Wan 2.2 Image-to-Video στο Railwail;
Στο Railwail, το Wan 2.2 Image-to-Video κοστίζει 0,060 $ ανά βίντεο. Ανάλογα με τις ρυθμίσεις, η τιμή κυμαίνεται από 0,060 $/βίντεο έως 0,174 $/βίντεο. Η τιμή είναι γνωστή πριν ξεκινήσει η εκτέλεση. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.
Ποιες ρυθμίσεις υποστηρίζει το Wan 2.2 Image-to-Video;
Σύμφωνα με το σχήμα εισόδου του, το Wan 2.2 Image-to-Video γνωρίζει αυτές τις παραμέτρους: prompt, start_image και end_image.
Πόσο γρήγορο είναι το Wan 2.2 Image-to-Video;
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του Wan 2.2 Image-to-Video στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το Wan 2.2 Image-to-Video καλύτερο από το Google Veo 3.1;
Αυτό εξαρτάται από την εργασία. Το Wan 2.2 Image-to-Video (Alibaba (Wan)) και το Google Veo 3.1 (Google DeepMind) είναι και τα δύο μοντέλα στην κατηγορία Δημιουργία βίντεο. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.
Μπορεί το Wan 2.2 Image-to-Video να χρησιμοποιήσει μια εικόνα ως είσοδο;
Ναι. Στείλτε την εικόνα στην παράμετρο start_image.
Πώς χρησιμοποιώ το Wan 2.2 Image-to-Video μέσω του API;
Δημιουργήστε ένα Railwail API key και στείλτε το αίτημά σας με το ID μοντέλου wan-i2v. Παραδείγματα κώδικα για curl, Python και JavaScript βρίσκονται στην ενότητα API αυτής της σελίδας.
MiniMax Hailuo 02 on Replicate. Text-to-video and image-to-video producing 6s or 10s clips at 768p standard or 1080p pro. Known for accurate real-world physics and stable motion.
