Wan 2.1 (Alibaba)

Wan 1 và Wan 2 là hai phiên bản của công cụ tạo video bằng AI của Alibaba. Wan 1 là phiên bản ban đầu, cung cấp các tính năng cơ bản như chuyển đổi văn bản hoặc hình ảnh thành video, đặt nền tảng cho nội dung video tạo bằng AI. Wan 2, phiên bản nâng cấp, cung cấp các khả năng tiên tiến hơn, bao gồm độ chính xác chuyển động cao hơn, tạo nội dung đa phương thức (văn bản thành video và hình ảnh thành video) và các công cụ chỉnh sửa mạnh mẽ. Wan 2 tập trung vào việc cung cấp hình ảnh chất lượng cao hơn, quy trình làm việc mượt mà hơn và nhiều tùy chọn sáng tạo hơn. Sự chuyển đổi từ Wan 1 sang Wan 2 thể hiện sự cải tiến đáng kể trong chức năng, làm cho nền tảng này trở thành công cụ tạo video đa dạng và hiệu quả hơn.

Wan 2.1 là mô hình tạo video tiên tiến của Alibaba Cloud, chuyển đổi mô tả văn bản thành video chất lượng cao. Nó sử dụng các công nghệ tiên tiến như VAE (Bộ mã hóa tự động biến phân) và DiT (Bộ biến đổi khuếch tán khử nhiễu) để cung cấp kết quả chân thực với các chuyển tiếp liền mạch và phản ứng vật lý chính xác.

Wan 2.1 nổi bật với điểm VBench vượt trội 84.7%, khả năng tạo chuyển động tiên tiến, với các phiên bản gồm 14 tỷ tham số và 1.3 tỷ tham số. Wan 2.1 sở hữu khả năng tạo động lực hình ảnh mạnh mẽ, xuất sắc trong việc hiểu các khái niệm và sáng tạo kết hợp. Nó xử lý dễ dàng nhiều phong cách nghệ thuật khác nhau, tạo ra hình ảnh chất lượng như phim ảnh. Ngoài ra, nó hỗ trợ nhiều ngôn ngữ và khả năng tạo độ phân giải thay đổi.

Monica cung cấp quyền truy cập thử nghiệm miễn phí Wan 2.1 chỉ với một bước đăng ký đơn giản. Phiên bản chính thức của Wan 2.1 bao gồm mã nguồn và tài nguyên trên GitHub và Hugging Face, cho phép các nhà phát triển khám phá, tùy chỉnh và tích hợp mẫu vào các dự án của họ.

Wan 1.3B bao gồm T2V-1.3B và I2V-1.3B, tập trung vào hiệu quả và khả năng tiếp cận. T2V-1.3B có thể tạo một video 5 giây 480p trong 4 phút trên Nvidia RTX 4090, trong khi I2V-1.3B chuyên tạo hình ảnh thành video hiệu quả, phù hợp với các nhà nghiên cứu, nhà phát triển và người dùng phổ thông có phần cứng hạn chế. Wan 14B bao gồm T2V-14B và I2V-14B, ưu tiên cung cấp chất lượng cao cho mục đích chuyên nghiệp. T2V-14B xuất sắc trong việc tạo các video chi tiết, động lực, còn I2V-14B tập trung vào các chuyển đổi hình ảnh thành video chuyên nghiệp với độ chi tiết cao. Để đảm bảo mang lại trải nghiệm tốt nhất cho người dùng, Monica đã chọn cung cấp mẫu quy mô lớn hàng đầu, Wan 14B.

Wan 2.1, ra mắt trong năm nay, hỗ trợ hiệu ứng văn bản bằng tiếng Trung và tiếng Anh, nổi bật với hình ảnh chân thực, chuyển động phức tạp và thực hiện chính xác. Veo2 tập trung vào việc tạo video 4K chất lượng điện ảnh với các công cụ kiểm soát nâng cao cho kiểu quay, ống kính và hiệu ứng. Nó mang lại tính chân thực vô song, chuyển động tự nhiên và hỗ trợ video động với nhiều tỉ lệ khung hình khác nhau cho các nền tảng như YouTube và TikTok.

Wan 2.1 hỗ trợ chuyển văn bản thành video và hình ảnh thành video, mang lại nhiều khả năng sáng tạo. Ngoài ra, nó cũng hỗ trợ đầu vào văn bản đa ngôn ngữ.