Wan2.2-Fun-5B-Control

Wan2.2-Fun-5B-Control

用 Canny、Depth、Pose 或 MLSD 等控制条件，或用轨迹，来引导生成的视频。适合在 videox_fun 库里使用 5B Wan2.2 基础模型的视频创作者和研究者。

由 alibaba-pai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是一个视频控制模型，用 Canny 边缘、Depth、Pose 或 MLSD 等条件，或用轨迹，来引导它生成的片段。它属于 Wan2.2-Fun 系列，基于 Wan-AI/Wan2.2-TI2V-5B 构建。权重是 23.0 GB 的 Safetensors 文件，以 121 帧、每秒 24 帧训练。Hugging Face 把它列为 videox_fun 库的图像转视频模型。

适合谁：适合想要指挥生成视频如何运动、而不是把所有动作都交给文字提示词的创作者和研究者。

行业 | 谁在用 | 怎么用 | 例子
视频制作 | 视频剪辑师 | 用姿态或深度视频引导生成的片段 | 让一个静止的角色跟着录好的动作动起来
广告 | 创意团队 | 在选定的控制条件下让参考图动起来 | 把一张图片变成动作可控的短视频
动画 | 动画师 | 沿着轨迹引导运动 | 让一个物体沿着规划好的路径移动
研究 | AI 视频研究者 | 在 5B 基础模型上比较 Canny、Depth、Pose 和 MLSD 条件 | 查看每种条件如何改变同一个场景

如果你只想用文字提示词或首尾帧生成视频，可以跳过它，因为同系列的 Wan2.2-Fun-5B-InP 已经覆盖了这一点。

用在哪里：它通过 videox_fun 库运行，模型卡把权重指向 Hugging Face 和 ModelScope。

• videox_fun 库，Hugging Face 的页面把它列为这个模型使用的库
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• Hugging Face 或 ModelScope，模型卡在那里链接了权重

使用场景 | 谁用 | 得到什么
姿态驱动的片段 | 视频创作者 | 一段跟随姿态控制视频动作的视频
边缘或深度引导的片段 | 设计师 | 一段保留 Canny 边缘或深度图结构的视频
轨迹控制 | 动画师 | 一段运动沿着选定路径的视频

如何设置：先获取文件，再按模型卡自己的运行步骤操作。模型卡里有 Quick start 和 How to use 两个部分专门讲这一块。

• Python，用于 Hugging Face 下载命令
• 大约 23.0 GB 的空闲磁盘空间存放权重
• aigc-apps 的 videox_fun 代码项目，模型卡里有它的链接

1. 用 pip 安装 Hugging Face 工具。
2. 把模型文件下载到你的电脑。
3. 打开模型卡的 Quick start 和 How to use 部分，在 videox_fun 里运行权重。

pip install -U huggingface_hub
hf download alibaba-pai/Wan2.2-Fun-5B-Control

如何使用：你选择一个控制条件，准备好对应的控制输入，让模型生成一段跟随它的视频。模型卡说它支持多语言预测，列出了英文和中文。具体的运行命令在模型卡的 How to use 部分。

工具 | 作用
Canny | 基于边缘图的控制条件
Depth | 基于深度图的控制条件
Pose | 基于人体姿态的控制条件
MLSD | 基于直线线段的控制条件
轨迹控制 | 沿着选定的路径引导运动

示例：把一张参考图和一段姿态控制视频配对，这是模型卡为它的 14B Control 同系列模型展示的组合。你会得到一段视频，画面里的主体按姿态片段的方式运动。

新手与专家：控制模型让你不止用文字来引导视频。你给它一张图片或一段动作片段，它就按这个引导来生成。第一个小尝试是运行那两条下载命令，然后在生成任何东西之前先读模型卡的 Quick start 部分。

对专家来说，这是 5B 的 Control 版本，基于 Wan-AI/Wan2.2-TI2V-5B 构建，以 121 帧、每秒 24 帧训练。14B 的 Control 同系列模型以 81 帧、每秒 16 帧训练，支持 512、768 和 1024 分辨率。取舍在于体量与能力，因为 5B 文件占 23.0 GB，而 14B 文件占 64.0 GB。

选择一个控制条件
准备控制视频或轨迹
在 videox_fun 里运行权重
收集生成的视频

注意事项：模型卡一共列出六套权重，它们的存储大小对比如下。

Title: 每套 Wan2.2-Fun 权重的存储大小
Wan2.2-Fun-A14B-InP: 64.0 GB
Wan2.2-Fun-A14B-Control: 64.0 GB
Wan2.2-Fun-A14B-Control-Camera: 64.0 GB
Wan2.2-Fun-5B-InP: 23.0 GB
Wan2.2-Fun-5B-Control: 23.0 GB
Wan2.2-Fun-5B-Control-Camera: 23.0 GB

• Family: InP、Control 和 Control-Camera 各有 14B 和 5B 两种大小。
• Other versions: Hugging Face 显示有其他人做的一个量化版本和五个微调版本。
• License: Apache-2.0。
• Cost to run: 未提及，没有 API 密钥、账号或付费服务，只需要你自己的电脑。
• Data it reaches: 它从 Hugging Face 下载权重，并读取你提供的图片和视频。
• Not for: 在这里给出的文字里，模型卡没有写明限制。

Hugging Face 上的数据（2026年11月13日）

• 任务：image to video
• 框架：videox_fun
• Formats: Safetensors
• 最近 30 天下载：25,525
• 点赞：22
• 许可证：apache-2.0
• 语言：en, zh
• 基于：Wan-AI/Wan2.2-TI2V-5B
• Quantized versions: 1
• Fine-tunes: 5
• 标签：videox_fun, diffusers, safetensors, ti2v, video, video-generation, wan2.2, image-to-video

链接

• 模型：https://huggingface.co/alibaba-pai/Wan2.2-Fun-5B-Control
• 文件：https://huggingface.co/alibaba-pai/Wan2.2-Fun-5B-Control/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download alibaba-pai/Wan2.2-Fun-5B-Control

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。