Alibaba Wan AI का Wan 2.2

मुख्य विशेषताएँ

• Text to Video: टेक्स्ट विवरणों से उच्च गुणवत्ता वाले वीडियो बनाएँ।
• Image to Video: स्थिर इमेज को गतिशील वीडियो में बदलें।
• First-Last Frame Control: शुरुआत और अंतिम फ़्रेम निर्धारित करके बीच के ट्रांज़िशन बनाएँ।
• Advanced Control Features: वीडियो जनरेशन पर सटीक नियंत्रण और रचनात्मक विकल्प।
• Character Reference और Motion Reference: कैरेक्टर स्टाइल और संदर्भ गति को मिलाकर व्यक्तिगत वीडियो कंटेंट बनाएँ।

तकनीकी विशेषताएँ

• SOTA Performance: कई बेंचमार्क में मौजूदा ओपन-सोर्स मॉडल और व्यावसायिक समाधानों से लगातार बेहतर प्रदर्शन।
• Consumer-grade GPU Support: T2V-1.3B मॉडल को केवल 8.19GB VRAM चाहिए और यह लगभग सभी कंज़्यूमर-ग्रेड GPU के साथ संगत है।
• Multi-task Capability: Text-to-Video, Image-to-Video, Video Editing, Text-to-Image और Video-to-Audio कार्यों में सक्षम।
• Visual Text Generation: चीनी और अंग्रेज़ी दोनों टेक्स्ट बनाने में सक्षम पहला वीडियो मॉडल।
• Powerful Video VAE: Wan-VAE 1080P वीडियो को किसी भी लंबाई में एन्कोड और डिकोड करने की उत्कृष्ट दक्षता और प्रदर्शन देता है।

मॉडल संस्करण

• Wan2.2-I2V: 14B पैरामीटर मॉडल, 480P और 720P रिज़ॉल्यूशन का समर्थन।
• Wan2.2-T2V: 14B पैरामीटर मॉडल, 480P और 720P रिज़ॉल्यूशन का समर्थन।
• Wan2.2-T2V-1.3B: कंज़्यूमर-ग्रेड GPU के लिए हल्का संस्करण।
• Wan2.2-FLF2V-14B-720P: First-Last-Frame-to-Video जनरेशन मॉडल।

सामान्य उपयोग

• जटिल गति जनरेशन: शरीर की विस्तृत गतिविधियों, जटिल घुमाव, गतिशील दृश्य बदलाव और सहज कैमरा गति वाले यथार्थवादी वीडियो में सक्षम।
• भौतिक सिमुलेशन: वास्तविक दुनिया की भौतिकी और वस्तुओं की वास्तविक अंतःक्रियाओं का सटीक अनुकरण।
• सिनेमाई गुणवत्ता: समृद्ध टेक्सचर और विविध स्टाइल वाले फिल्म जैसे दृश्य।
• नियंत्रित एडिटिंग: इमेज या वीडियो संदर्भों से सटीक संपादन के लिए यूनिवर्सल एडिटिंग मॉडल।

उपयोग निर्देश

वेब इंटरफ़ेस में टेक्स्ट विवरण दर्ज करके या इमेज अपलोड करके वीडियो बनाएँ। स्मार्ट एक्सपैंशन और सेफ़्टी चेकर सुविधाएँ समर्थित हैं। 5 सेकंड का 480P वीडियो बनाने में 130 क्रेडिट और RTX 4090 पर लगभग 4 मिनट लगते हैं।

लक्षित उपयोगकर्ता

पेशेवर कंटेंट क्रिएटर, वीडियो निर्माता, डिज़ाइनर, डेवलपर, एंटरप्राइज़ उपयोगकर्ता और AI वीडियो जनरेशन आज़माने में रुचि रखने वाले सामान्य उपयोगकर्ता।

मुख्य लाभ

• ओपन-सोर्स उपलब्धता, जिससे उपयोग की बाधाएँ कम होती हैं।
• व्यापक परिनियोजन के लिए कंज़्यूमर-ग्रेड हार्डवेयर समर्थन।
• एक मॉडल में कई उपयोगों का बहु-कार्यात्मक एकीकरण।
• व्यावसायिक समाधानों के तुलनीय उच्च गुणवत्ता वाले आउटपुट।
• विस्तृत उपयोग परिदृश्यों के लिए चीनी और अंग्रेज़ी टेक्स्ट समर्थन।