Wan2.2-S2V-14B

模型简介

万相的语音驱动视频模型，音频加一张图就能生成分钟级的说话视频，长时序稳定性是重点。

输出类型

生视频

架构

DiT（音频驱动视频）

参数量

16.3B

所属

Wan

商用

可商用

许可

Apache-2.0

发布

2025-08-26

收录

2026-10-03