Wan 2.1 (Alibaba)

Wan 1 และ Wan 2 เป็นเวอร์ชันของเครื่องมือสร้างวิดีโอโดยใช้ AI ของ Alibaba โดย Wan 1 เป็นเวอร์ชันเริ่มต้นที่มีฟีเจอร์พื้นฐาน เช่น การเปลี่ยนข้อความหรือรูปภาพให้เป็นวิดีโอ ซึ่งเป็นรากฐานของการสร้างเนื้อหาวิดีโอด้วย AI ขณะที่ Wan 2 เป็นเวอร์ชันอัปเกรดที่มีความสามารถขั้นสูง เช่น ความแม่นยำในความเคลื่อนไหวที่ดีขึ้น การสร้างเนื้อหาแบบมัลติโหมด (ข้อความเป็นวิดีโอและรูปภาพเป็นวิดีโอ) และเครื่องมือแก้ไขที่ทรงพลัง Wan 2 มุ่งเน้นในการมอบภาพคุณภาพสูงขึ้น การทำงานที่ราบรื่นขึ้น และตัวเลือกการสร้างสรรค์มากมาย การเปลี่ยนแปลงจาก Wan 1 เป็น Wan 2 แสดงถึงการปรับปรุงที่สำคัญในด้านการใช้งาน ทำให้เป็นแพลตฟอร์มสร้างวิดีโอที่หลากหลายและมีประสิทธิภาพมากขึ้น

Wan 2.1 เป็นโมเดลสร้างวิดีโอขั้นสูงของ Alibaba Cloud ซึ่งสามารถเปลี่ยนคำอธิบายข้อความให้กลายเป็นวิดีโอคุณภาพสูง โดยใช้เทคโนโลยีชั้นนำอย่าง VAE (ตัวเข้ารหัสอัตโนมัติแบบแปรผัน) และ DiT (ตัวแปลงการแพร่กระจายการลดสัญญาณรบกวน) เพื่อให้ได้ผลลัพธ์ที่สมจริง มีการเปลี่ยนผ่านที่ราบรื่น และการจำลองฟิสิกส์อย่างแม่นยำ

Wan 2.1 โดดเด่นด้วยคะแนน VBench ที่ยอดเยี่ยม 84.7% ความสามารถในการสร้างภาพเคลื่อนไหวขั้นสูง โดยมีเวอร์ชันที่ประกอบด้วยพารามิเตอร์ 14 พันล้านและ 1.3 พันล้าน Wan 2.1 มีความสามารถการสร้างภาพแบบไดนามิกที่ทรงพลัง เชี่ยวชาญในการทำความเข้าใจแนวคิดและการสร้างสรรค์แบบผสมผสาน อีกทั้งยังสามารถรองรับรูปแบบศิลปะหลากหลายรูปแบบและสร้างภาพระดับคุณภาพภาพยนตร์ได้อย่างง่ายดาย นอกจากนี้ ยังรองรับการสร้างด้วยหลายภาษาและความละเอียดที่ปรับเปลี่ยนได้

Monica ให้บริการทดลองใช้งานฟรีสำหรับ Wan 2.1 โดยเพียงแค่ลงทะเบียนอย่างง่ายๆ เวอร์ชันอย่างเป็นทางการของ Wan 2.1 มีโค้ดต้นฉบับและทรัพยากรบน GitHub และ Hugging Face เพื่อช่วยให้นักพัฒนาสามารถสำรวจ ปรับแต่ง และรวมโมเดลนี้เข้ากับโครงการของพวกเขาได้

Wan 1.3B ประกอบด้วย T2V-1.3B และ I2V-1.3B โดยเน้นที่ประสิทธิภาพและการเข้าถึง T2V-1.3B สามารถสร้างวิดีโอ 480p ความยาว 5 วินาทีในเวลา 4 นาทีบน Nvidia RTX 4090 ขณะที่ I2V-1.3B เชี่ยวชาญในการแปลงภาพเป็นวิดีโออย่างมีประสิทธิภาพ เหมาะสำหรับนักวิจัย นักพัฒนา และผู้ใช้งานทั่วไปที่มีทรัพยากรฮาร์ดแวร์จำกัด Wan 14B ประกอบด้วย T2V-14B และ I2V-14B โดยมุ่งเน้นไปที่การให้ผลงานที่มีคุณภาพสูงสำหรับการใช้งานระดับมืออาชีพ T2V-14B มีความสามารถในการสร้างวิดีโอที่มีรายละเอียดและมีความเคลื่อนไหว ส่วน I2V-14B เน้นการผลิตการแปลงภาพเป็นวิดีโอระดับมืออาชีพที่มีรายละเอียดสูง เพื่อให้ผู้ใช้งานได้รับประสบการณ์ที่ดีที่สุด Monica ได้เลือกที่จะให้บริการโมเดลขนาดใหญ่ระดับมืออาชีพอย่าง Wan 14B

Wan 2.1 ที่เปิดตัวในปีนี้ รองรับเอฟเฟกต์ข้อความทั้งภาษาไทยและภาษาอังกฤษ โดดเด่นในด้านภาพที่สมจริง การเคลื่อนไหวที่ซับซ้อน และการดำเนินการที่แม่นยำ Veo2 มุ่งเน้นการสร้างวิดีโอ 4K คุณภาพระดับภาพยนตร์ พร้อมการควบคุมขั้นสูงเกี่ยวกับประเภทการถ่ายทำ เลนส์ และเอฟเฟกต์ มันมอบความสมจริงที่เหนือชั้น การเคลื่อนไหวที่เป็นธรรมชาติ และรองรับวิดีโอแบบไดนามิกในอัตราส่วนต่างๆ ที่เหมาะกับแพลตฟอร์ม เช่น YouTube และ TikTok

Wan 2.1 รองรับการแปลงข้อความเป็นวิดีโอและภาพเป็นวิดีโอ มอบโอกาสในการสร้างสรรค์ที่หลากหลาย นอกจากนี้ยังรองรับการป้อนข้อความได้หลายภาษา