Wan 2.1 (Alibaba)

Wan 1 et Wan 2 sont des versions de l'outil de génération vidéo propulsé par l'IA d'Alibaba. Wan 1 est la version initiale, offrant des fonctionnalités de base comme la transformation de texte ou d'images en vidéos, établissant ainsi les fondations du contenu vidéo généré par l'IA. Wan 2, la version améliorée, propose des capacités avancées, notamment une précision accrue dans les mouvements, la création de contenu multimodal (texte en vidéo et image en vidéo), ainsi que de puissants outils d'édition. Wan 2 se concentre sur la fourniture de visuels de meilleure qualité, de flux de travail plus fluides et d'options créatives accrues. Le passage de Wan 1 à Wan 2 reflète des améliorations significatives en termes de fonctionnalités, faisant de cette plateforme un outil plus polyvalent et efficace pour la création vidéo.

Wan 2.1 est le modèle avancé de génération de vidéos d'Alibaba Cloud qui transforme des descriptions textuelles en vidéos de haute qualité. Il exploite des technologies avancées telles que VAE (Variational Autoencoder) et DiT (Denoising Diffusion Transformer) pour fournir des résultats réalistes avec des transitions fluides et une physique précise.

Wan 2.1 se distingue grâce à son excellent score VBench de 84,7 %, ses capacités avancées de génération de mouvements et ses versions comprenant 14 milliards de paramètres et 1,3 milliard de paramètres. Wan 2.1 dispose de puissantes capacités de génération visuelle dynamique, excellant dans la compréhension des concepts et la création combinatoire. Il gère aisément divers styles artistiques, produisant des visuels dignes de qualité cinématographique. De plus, il prend en charge plusieurs langues et la génération à résolution variable.

Monica offre un accès d'essai gratuit à Wan 2.1 avec une simple inscription. La version officielle de Wan 2.1 comprend le code source et les ressources disponibles sur GitHub et Hugging Face, permettant aux développeurs d'explorer, de personnaliser et d'intégrer le modèle dans leurs projets.

Wan 1.3B inclut T2V-1.3B et I2V-1.3B, se concentrant sur l'efficacité et l'accessibilité. T2V-1.3B génère une vidéo de 5 secondes en 480p en 4 minutes sur une Nvidia RTX 4090, tandis que I2V-1.3B se spécialise dans la génération efficace de vidéos à partir d'images, adaptée aux chercheurs, aux développeurs et aux utilisateurs grand public disposant de ressources matérielles limitées. Wan 14B comprend T2V-14B et I2V-14B, mettant l'accent sur la production de sorties de haute qualité pour des usages professionnels. T2V-14B excelle dans la création de vidéos détaillées et dynamiques, tandis que I2V-14B se concentre sur la transformation d'images en vidéos de qualité professionnelle extrêmement détaillées. Afin d'assurer la meilleure expérience pour nos utilisateurs, Monica a choisi de proposer le modèle de grand échelle de premier ordre, Wan 14B.

Lancé cette année, Wan 2.1 prend en charge les effets de texte en chinois et en anglais, excelle dans les visuels réalistes, les mouvements complexes et l'exécution précise. Veo2 se concentre sur la création de vidéos cinéma en 4K avec des options avancées pour les types de prises de vue, les objectifs et les effets. Il offre un réalisme inégalé, un mouvement naturel, et supporte des vidéos dynamiques avec divers formats d'aspect pour des plateformes comme YouTube et TikTok.

Wan 2.1 prend en charge la conversion de texte en vidéo et d'image en vidéo, offrant une large gamme de possibilités créatives. Il prend également en charge les textes d'entrée multilingues.