Wan 2.1 (Alibaba)

Wan 1 dan Wan 2 adalah versi alat generasi video berbasis AI dari Alibaba. Wan 1 adalah versi awal yang menawarkan fitur dasar seperti mengubah teks atau gambar menjadi video. Versi ini meletakkan dasar untuk pembuatan konten video berbasis AI. Wan 2, versi yang ditingkatkan, menyediakan kemampuan yang lebih canggih, termasuk akurasi gerakan yang lebih tinggi, pembuatan konten multi-modal (teks-ke-video dan gambar-ke-video), serta alat pengeditan yang kuat. Wan 2 berfokus pada visual berkualitas lebih tinggi, alur kerja yang lebih lancar, dan lebih banyak opsi kreatif. Transisi dari Wan 1 ke Wan 2 menunjukkan peningkatan signifikan dalam fungsi, menjadikannya platform yang lebih serbaguna dan efisien untuk pembuatan video.

Wan 2.1 adalah model generasi video canggih dari Alibaba Cloud yang dapat mengubah deskripsi teks menjadi video berkualitas tinggi. Model ini menggunakan teknologi canggih seperti VAE (Variational Autoencoder) dan DiT (Denoising Diffusion Transformer) untuk menghasilkan hasil yang realistis dengan transisi halus dan fisika yang presisi.

Wan 2.1 menonjol dengan skor VBench yang luar biasa sebesar 84,7%, kemampuan canggih dalam pembuatan gerakan, serta tersedia dalam versi dengan 14 miliar parameter dan 1,3 miliar parameter. Wan 2.1 memiliki kemampuan kuat untuk menghasilkan visual dinamis, unggul dalam pemahaman konsep dan kreasi kombinasi. Model ini dengan mudah mendukung berbagai gaya seni dan menghasilkan visual berkualitas sinematik. Selain itu, ia mendukung berbagai bahasa dan pembuatan resolusi variabel.

Monica menyediakan akses percobaan gratis untuk Wan 2.1 dengan hanya melakukan pendaftaran sederhana. Versi resmi Wan 2.1 mencakup kode sumber dan sumber daya di GitHub dan Hugging Face, memungkinkan pengembang untuk mengeksplorasi, menyesuaikan, dan mengintegrasikan model ini ke dalam proyek mereka.

Wan 1.3B mencakup T2V-1.3B dan I2V-1.3B, dengan fokus pada efisiensi dan aksesibilitas. T2V-1.3B mampu menghasilkan video 5 detik beresolusi 480p dalam 4 menit di Nvidia RTX 4090, sementara I2V-1.3B mengkhususkan diri dalam pembuatan video dari gambar secara efisien, cocok untuk peneliti, pengembang, dan pengguna umum dengan perangkat keras terbatas. Wan 14B mencakup T2V-14B dan I2V-14B, yang mengutamakan keluaran berkualitas tinggi untuk penggunaan profesional. T2V-14B unggul dalam pembuatan video yang detail dan dinamis, sedangkan I2V-14B fokus pada transformasi gambar ke video dengan detail tingkat profesional. Untuk memastikan pengalaman terbaik bagi pengguna, Monica memilih untuk menyediakan model skala besar terbaik, Wan 14B.

Wan 2.1, yang diluncurkan tahun ini, mendukung efek teks dalam bahasa Mandarin dan Inggris, unggul dalam visual realistis, gerakan kompleks, dan eksekusi yang presisi. Veo2 berfokus pada pembuatan video 4K berkualitas sinematik dengan kontrol lanjutan untuk jenis pengambilan gambar, lensa, dan efek. Ini menawarkan realisme tanpa tanding, gerakan alami, dan mendukung video dinamis dengan berbagai rasio aspek untuk platform seperti YouTube dan TikTok.

Wan 2.1 mendukung teks-ke-video dan gambar-ke-video, menawarkan beragam kemungkinan kreatif. Selain itu, juga mendukung input teks dalam berbagai bahasa.