Wan 2.2 by Alibaba Wan AI

Principais recursos

• Texto para vídeo: gera vídeos de alta qualidade com base em descrições de texto.
• Imagem para vídeo: converte imagens estáticas em vídeos dinâmicos.
• Controle do primeiro e do último quadro: permite definir os quadros inicial e final para gerar as transições intermediárias.
• Controles avançados: oferece controle preciso da geração de vídeos e opções criativas.
• Referência de personagem e movimento: combina o estilo de um personagem com um movimento de referência para criar vídeos personalizados.

Características técnicas

• Desempenho SOTA: supera consistentemente modelos de código aberto existentes e soluções comerciais em diversos benchmarks.
• Suporte a GPUs de consumo: o modelo T2V-1.3B exige apenas 8,19 GB de VRAM e é compatível com quase todas as GPUs de consumo.
• Capacidade multitarefa: destaca-se em texto para vídeo, imagem para vídeo, edição de vídeo, texto para imagem e vídeo para áudio.
• Geração de texto visual: é apresentado como o primeiro modelo de vídeo capaz de gerar textos em chinês e inglês.
• Wan-VAE: codifica e decodifica vídeos 1080P de qualquer duração com eficiência.

Versões do modelo

• Wan2.2-I2V: modelo de 14 bilhões de parâmetros com suporte a 480P e 720P.
• Wan2.2-T2V: modelo de 14 bilhões de parâmetros com suporte a 480P e 720P.
• Wan2.2-T2V-1.3B: versão leve adequada para GPUs de consumo.
• Wan2.2-FLF2V-14B-720P: modelo de geração de vídeo a partir do primeiro e do último quadro.

Aplicações e uso

O modelo é indicado para gerar movimentos corporais complexos, rotações, transições dinâmicas de cenas e movimentos fluidos de câmera. Também simula a física do mundo real e interações entre objetos, oferece visuais cinematográficos e permite edições precisas com referências de imagem ou vídeo.

É possível gerar vídeos pela interface web inserindo descrições de texto ou enviando imagens. Há suporte a expansão inteligente e verificador de segurança. Em uma RTX 4090, um vídeo 480P de 5 segundos exige 130 créditos e leva aproximadamente 4 minutos.

Destina-se a criadores profissionais, produtores de vídeo, designers, desenvolvedores, empresas e usuários interessados em experimentar geração de vídeo por IA. Código aberto, suporte a hardware de consumo, multifuncionalidade, qualidade comparável à de soluções comerciais e suporte a textos em chinês e inglês são seus principais diferenciais.