Wan 2.1 (Alibaba)

Wan 1 y Wan 2 son versiones de la herramienta de generación de videos 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, incluye capacidades avanzadas como mayor precisión en los movimientos, creación de contenido multimodal (texto a video e imagen a video), y potentes herramientas de edición. Wan 2 se enfoca en ofrecer imágenes 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, convirtiéndolo en una plataforma más versátil y eficiente para la creación de videos.

Wan 2.1 es el modelo avanzado de generación de video 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 para Desenfoque) para ofrecer resultados realistas con transiciones fluidas y física precisa.

Wan 2.1 se destaca por su sobresaliente puntuación de VBench de 84.7%, sus capacidades avanzadas de generación de movimiento, con versiones de 14 mil millones de parámetros y 1.3 mil millones de parámetros. Wan 2.1 cuenta con potentes capacidades de generación visual dinámica, destacándose en la comprensión de conceptos y creación combinatoria. Maneja diversos estilos artísticos sin esfuerzo, produciendo visuales de calidad cinematográfica. Además, admite múltiples idiomas y generación con resolución variable.

Monica ofrece acceso gratuito de prueba a Wan 2.1 con solo un registro sencillo. La versión oficial de Wan 2.1 incluye código fuente y recursos 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, enfocándose 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 la generación eficiente de imagen a video, 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 uso profesional. T2V-14B sobresale en la creación de videos detallados y dinámicos, e I2V-14B se enfoca en producir transformaciones de imagen a video de grado profesional altamente detalladas. Para asegurar la mejor experiencia para nuestros usuarios, Monica ha optado por proporcionar el modelo a gran escala de más alta calidad, Wan 14B.

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

Wan 2.1 admite texto a video e imagen a video, ofreciendo un amplio rango de posibilidades creativas. También admite texto de entrada en varios idiomas.