Wan 2.1 (Alibaba)

Wan 1 и Wan 2 — это версии инструмента для создания видео с использованием искусственного интеллекта, разработанные Alibaba. Wan 1 — это начальная версия, предоставляющая базовые функции, такие как преобразование текста или изображений в видео, закладывая основу для создания видеоконтента с помощью ИИ. Wan 2 — это усовершенствованная версия, которая предоставляет расширенные возможности, включая улучшенную точность движений, многомодальный контент (текст-видео и изображение-видео) и мощные инструменты редактирования. Wan 2 ориентирован на предоставление качественных визуальных эффектов, более плавных рабочих процессов и большего творческого разнообразия. Переход от Wan 1 к Wan 2 демонстрирует значительное улучшение функциональности, делая платформу более универсальной и эффективной для создания видео.

Wan 2.1 — это усовершенствованная модель для создания видео, разработанная Alibaba Cloud, которая преобразует текстовые описания в видео высокого качества. Она использует передовые технологии, такие как VAE (Вариационный Автокодировщик) и DiT (Дифузионный Трансформер для Устранения Шума), чтобы обеспечить реалистичный результат с плавными переходами и точной физикой.

Wan 2.1 выделяется благодаря своему превосходному показателю VBench в 84,7%, продвинутым возможностям генерации движений, а также наличию версий с 14 миллиардами и 1,3 миллиардами параметров. Wan 2.1 обладает мощными возможностями визуальной динамической генерации, отлично понимая концепции и выполняя комбинированное создание. Он легко справляется с различными художественными стилями, обеспечивая кинематографическое качество визуалов. Кроме того, он поддерживает несколько языков и возможность генерации с изменяемым разрешением.

Monica предоставляет бесплатный пробный доступ к Wan 2.1 после простой регистрации. Официальный релиз Wan 2.1 включает исходный код и ресурсы на GitHub и Hugging Face, что позволяет разработчикам изучать, настраивать и интегрировать модель в свои проекты.

Wan 1.3B включает T2V-1.3B и I2V-1.3B, делая акцент на эффективности и доступности. T2V-1.3B генерирует 5-секундное видео в разрешении 480p за 4 минуты на Nvidia RTX 4090, в то время как I2V-1.3B специализируется на эффективной генерации изображений в видео, что подходит для исследователей, разработчиков и обычных пользователей с ограниченными аппаратными ресурсами. Wan 14B включает T2V-14B и I2V-14B, ориентируясь на высококачественный вывод для профессионального использования. T2V-14B отлично справляется с созданием детализированных и динамичных видео, а I2V-14B фокусируется на создании высокодетализированных профессиональных трансформаций из изображений в видео. Чтобы обеспечить лучший опыт для наших пользователей, Monica выбрал предоставление топового крупномасштабного решения — Wan 14B.

WAN 2.1, выпущенный в этом году, поддерживает текстовые эффекты на китайском и английском языках, отлично справляется с реалистичной визуализацией, сложными движениями и точным исполнением. Veo2 сосредоточен на создании 4K видео кинематографического качества с расширенными настройками для выбора типов кадров, объективов и эффектов. Он предлагает непревзойденный реализм, естественную динамику движения и поддержку динамических видео с различными аспектными соотношениями, подходящими для платформ, таких как YouTube и TikTok.

Wan 2.1 поддерживает преобразование текста в видео и изображений в видео, предоставляя широкий спектр возможностей для творчества. Также он поддерживает ввод текста на нескольких языках.