Wan 2.1 (Alibaba)

Wan 1 और Wan 2 अलीबाबा के AI द्वारा संचालित वीडियो निर्माण उपकरण के दो संस्करण हैं। Wan 1 प्रारंभिक संस्करण है, जो पाठ या छवियों को वीडियो में बदलने जैसी बुनियादी सुविधाएं प्रदान करता है और AI-निर्मित वीडियो सामग्री की नींव रखता है। Wan 2 अपग्रेडेड संस्करण है, जो उन्नत क्षमताओं जैसे बेहतर मूवमेंट सटीकता, मल्टी-मोडल सामग्री निर्माण (पाठ-से-वीडियो और छवि-से-वीडियो), और शक्तिशाली संपादन उपकरण प्रदान करता है। Wan 2 उच्च-गुणवत्ता वाले दृश्य, अधिक सुचारू कार्यप्रवाह और अधिक रचनात्मक विकल्प प्रदान करने पर केंद्रित है। Wan 1 से Wan 2 में बदलाव ने कार्यक्षमता में महत्वपूर्ण सुधारों को उजागर किया, जिससे यह वीडियो निर्माण के लिए अधिक बहुमुखी और कुशल मंच बन गया।

Wan 2.1 अलीबाबा क्लाउड का उन्नत वीडियो निर्माण मॉडल है, जो टेक्स्ट वर्णन को उच्च गुणवत्ता वाले वीडियो में बदलता है। यह VAE (वैरिएशनल ऑटोएन्कोडर) और DiT (डिनोइसिंग डिफ्यूजन ट्रांसफॉर्मर) जैसी उन्नत तकनीकों का उपयोग करता है, ताकि सहज ट्रांज़िशन और सटीक भौतिकी के साथ यथार्थवादी परिणाम प्रदान किए जा सकें।

Wan 2.1 अपने उत्कृष्ट VBench स्कोर 84.7%, उन्नत मूवमेंट जनरेशन क्षमताओं, जिसमें 14-बिलियन-पैरामीटर और 1.3-बिलियन-पैरामीटर संस्करण शामिल हैं, के साथ सबसे अलग नजर आता है। Wan 2.1 में शक्तिशाली दृश्य गतिशीलता जनरेशन क्षमताएं हैं, जो अवधारणा की समझ और समग्र रचना में उत्कृष्ट है। यह विभिन्न कलात्मक शैलियों को आसानी से संभालता है और सिनेमा-गुणवत्ता वाली दृश्य सामग्री प्रदान करता है। साथ ही, यह कई भाषाओं और वेरिएबल रेज़ोल्यूशन जनरेशन को सपोर्ट करता है।

Monica एक साधारण पंजीकरण के साथ Wan 2.1 का मुफ्त परीक्षण प्रदान करता है। Wan 2.1 का आधिकारिक संस्करण GitHub और Hugging Face पर स्रोत कोड और संसाधन उपलब्ध कराता है, जो डेवलपर्स को मॉडल का अन्वेषण, कस्टमाइज़ और अपने प्रोजेक्ट्स में एकीकृत करने में सक्षम बनाता है।

Wan 1.3B में T2V-1.3B और I2V-1.3B शामिल हैं, जो दक्षता और सुलभता पर केंद्रित हैं। T2V-1.3B Nvidia RTX 4090 पर 4 मिनट में एक 5-सेकंड 480p वीडियो जनरेट करता है, जबकि I2V-1.3B कुशल छवि-से-वीडियो जनरेशन में विशेषज्ञ है, जो सीमित हार्डवेयर वाले शोधकर्ताओं, डेवलपर्स और सामान्य उपयोगकर्ताओं के लिए उपयुक्त है। Wan 14B में T2V-14B और I2V-14B शामिल हैं, जो पेशेवर उपयोग के लिए उच्च-गुणवत्ता उत्पादन पर ध्यान केंद्रित करता है। T2V-14B विस्तृत, गतिशील वीडियो बनाने में उत्कृष्ट है, और I2V-14B बेहद विस्तृत और पेशेवर-ग्रेड की छवि-से-वीडियो रूपांतरण बनाने पर केंद्रित है। अपने उपयोगकर्ताओं को सर्वोत्तम अनुभव प्रदान करने के लिए, Monica ने शीर्ष-स्तरीय बड़े पैमाने का मॉडल, Wan 14B प्रदान करने का निर्णय लिया है।

इस वर्ष लॉन्च किया गया Wan 2.1 चीनी और अंग्रेजी में टेक्स्ट इफेक्ट्स का समर्थन करता है, और यथार्थवादी दृश्य, जटिल गतियां और सटीक क्रियान्वयन में उत्कृष्ट है। Veo2 सिनेमा-गुणवत्ता वाले 4K वीडियो निर्माण पर केंद्रित है, जो शॉट प्रकारों, लेंस और प्रभावों के लिए उन्नत नियंत्रण प्रदान करता है। यह अतुलनीय यथार्थवाद, प्राकृतिक गति प्रदान करता है और YouTube और TikTok जैसे प्लेटफार्मों के लिए विभिन्न आस्पेक्ट रेशियो में डायनेमिक वीडियो को समर्थन करता है।

Wan 2.1 टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो को समर्थन देता है, जो बड़ी रचनात्मक संभावनाएं प्रदान करता है। इसके अलावा, यह बहुभाषी टेक्स्ट इनपुट का भी समर्थन करता है।