Wan 2.1 (Alibaba)

Wan 1 y Wan 2 son versiones de la herramienta de generación de vídeo impulsada por IA de Alibaba. Wan 1 es la versión inicial, que ofrece funciones básicas como transformar texto o imágenes en videos, estableciendo la base para el contenido de video generado por IA. Wan 2, la versión mejorada, proporciona capacidades avanzadas, incluyendo mayor precisión en los movimientos, creación de contenido multimodal (de texto a video y de imagen a video) y herramientas de edición potentes. Wan 2 se centra en ofrecer visuales de mayor calidad, flujos de trabajo más fluidos y más opciones creativas. La transición de Wan 1 a Wan 2 resalta mejoras significativas en funcionalidad, convirtiéndola en una plataforma más versátil y eficiente para la creación de videos.

Wan 2.1 es el modelo avanzado de generación de videos de Alibaba Cloud, que transforma descripciones de texto en videos de alta calidad. Utiliza tecnologías avanzadas como VAE (Autoencoder Variacional) y DiT (Transformador de Difusión Denoising) para ofrecer resultados realistas con transiciones fluidas y física precisa.

Wan 2.1 se destaca por su sobresaliente puntaje VBench del 84.7%, sus avanzadas capacidades de generación de movimiento y las versiones con 14 mil millones de parámetros y 1.3 mil millones de parámetros. Wan 2.1 cuenta con potentes capacidades de generación visual dinámica, sobresaliendo en la comprensión de conceptos y la creación combinatoria. Maneja fácilmente varios estilos artísticos, ofreciendo visuales de calidad cinematográfica. Además, admite múltiples idiomas y generación con resolución variable.

Monica ofrece acceso gratuito a Wan 2.1 mediante un sencillo registro. La versión oficial de Wan 2.1 incluye el código fuente y recursos disponibles en GitHub y Hugging Face, permitiendo a los desarrolladores explorar, personalizar e integrar el modelo en sus proyectos.

Wan 1.3B incluye T2V-1.3B e I2V-1.3B, centrándose en eficiencia y accesibilidad. T2V-1.3B genera un video de 5 segundos en 480p en 4 minutos utilizando una Nvidia RTX 4090, mientras que I2V-1.3B se especializa en generación eficiente de imagen a video, siendo adecuado para investigadores, desarrolladores y usuarios generales con hardware limitado. Wan 14B incluye T2V-14B e I2V-14B, priorizando la producción de alta calidad para usos profesionales. T2V-14B se destaca por crear videos detallados y dinámicos, mientras que I2V-14B se enfoca en producir transformaciones de imagen a video de grado profesional y altamente detalladas. Para garantizar la mejor experiencia para nuestros usuarios, Monica ha decidido ofrecer el modelo de gran escala de primer nivel, Wan 14B.

WAN 2.1, lanzado este año, admite efectos de texto en chino e inglés, destacándose en visuales realistas, movimientos complejos y ejecución precisa. Veo2 se centra en la creación de videos 4K de calidad cinematográfica con controles avanzados para tipos de tomas, lentes y efectos. Ofrece un realismo sin igual, movimiento natural, y admite videos dinámicos en varios formatos de relación de aspecto para plataformas como YouTube y TikTok.

Wan 2.1 admite texto a video e imagen a video, ofreciendo un amplio abanico de posibilidades creativas. También es compatible con textos de entrada en varios idiomas.