Wan 2.1 (Alibaba)

Wan 1 e Wan 2 são versões da ferramenta de geração de vídeo baseada em IA da Alibaba. Wan 1 é a versão inicial, oferecendo recursos básicos como transformar texto ou imagens em vídeos. Foi o primeiro passo para conteúdos de vídeo gerados por IA. Já o Wan 2 é a versão atualizada, com capacidades avançadas, incluindo maior precisão nos movimentos, criação de conteúdo multimodal (texto-para-vídeo e imagem-para-vídeo) e ferramentas de edição poderosas. Wan 2 é focado em oferecer visuais de alta qualidade, fluxos de trabalho mais suaves e opções criativas mais diversificadas. A transição de Wan 1 para Wan 2 demonstra melhorias significativas em funcionalidade, tornando-o uma plataforma mais versátil e eficiente para criação de vídeos.

O Wan 2.1 é o modelo avançado de geração de vídeo da Alibaba Cloud que transforma descrições textuais em vídeos de alta qualidade. Utiliza tecnologias avançadas como VAE (Variational Autoencoder) e DiT (Denoising Diffusion Transformer) para fornecer resultados realistas com transições fluidas e física precisa.

O Wan 2.1 se destaca pelo excelente desempenho, com uma pontuação de 84,7% no VBench, suas avançadas capacidades de geração de movimento e versões que abrangem 14 bilhões e 1,3 bilhões de parâmetros. O Wan 2.1 possui poderosas capacidades de geração dinâmica visual, com grande habilidade em compreensão de conceitos e criação combinatória. Ele lida com facilidade com diferentes estilos artísticos, entregando visuais com qualidade cinematográfica. Além disso, suporta vários idiomas e geração em resoluções variáveis.

Monica oferece acesso de teste gratuito ao Wan 2.1 mediante um simples registro. A versão oficial do Wan 2.1 inclui código-fonte e recursos no GitHub e no Hugging Face, permitindo que os desenvolvedores explorem, personalizem e integrem o modelo em seus projetos.

O Wan 1.3B inclui o T2V-1.3B e o I2V-1.3B, com foco na eficiência e acessibilidade. O T2V-1.3B gera um vídeo de 5 segundos em 480p em 4 minutos usando uma Nvidia RTX 4090, enquanto o I2V-1.3B é especializado em geração eficiente de imagem para vídeo, sendo adequado para pesquisadores, desenvolvedores e usuários gerais com recursos de hardware limitados. O Wan 14B inclui o T2V-14B e o I2V-14B, priorizando saídas de alta qualidade para uso profissional. O T2V-14B se destaca na criação de vídeos detalhados e dinâmicos, enquanto o I2V-14B é focado na produção de transformações de imagem em vídeo com qualidade altamente detalhada e profissional. Para garantir a melhor experiência aos usuários, Monica optou por oferecer o modelo de maior escala e alta performance, o Wan 14B.

O WAN 2.1, lançado este ano, suporta efeitos de texto em chinês e inglês, destacando-se em visuais realistas, movimentos complexos e execução precisa. Veo2 foca na criação de vídeos 4K com qualidade cinematográfica, oferecendo controles avançados para tipos de tomadas, lentes e efeitos. Ele proporciona realismo incomparável, movimentos naturais e oferece suporte a vídeos dinâmicos em várias proporções, para plataformas como YouTube e TikTok.

O Wan 2.1 suporta texto-para-vídeo e imagem-para-vídeo, oferecendo uma ampla gama de possibilidades criativas. Ele também suporta entrada de texto em vários idiomas.