Alibaba Wan AI کا Wan 2.2

اہم خصوصیات

• Text to Video: متنی وضاحتوں کی بنیاد پر اعلیٰ معیار کی ویڈیوز بنائیں۔
• Image to Video: جامد تصاویر کو متحرک ویڈیوز میں تبدیل کریں۔
• First-Last Frame Control: ابتدائی اور آخری فریم متعین کرکے درمیانی ٹرانزیشنز بنائیں۔
• Advanced Control Features: ویڈیو جنریشن پر درست کنٹرول اور تخلیقی اختیارات۔
• Character Reference اور Motion Reference: ذاتی نوعیت کا ویڈیو مواد بنانے کے لیے کردار کے انداز کو حوالہ جاتی حرکت کے ساتھ ملائیں۔

تکنیکی خصوصیات

• SOTA Performance: متعدد بینچ مارکس میں موجودہ اوپن سورس ماڈلز اور تجارتی حلوں سے مسلسل بہتر کارکردگی۔
• Consumer-grade GPU Support: T2V-1.3B ماڈل کو صرف 8.19GB VRAM درکار ہے اور یہ تقریباً تمام صارف درجے کے GPUs کے ساتھ مطابقت رکھتا ہے۔
• Multi-task Capability: Text-to-Video، Image-to-Video، Video Editing، Text-to-Image اور Video-to-Audio کاموں میں مؤثر۔
• Visual Text Generation: چینی اور انگریزی دونوں متن بنانے کے قابل پہلا ویڈیو ماڈل۔
• Powerful Video VAE: Wan-VAE کسی بھی لمبائی کی 1080P ویڈیوز کو مؤثر طریقے سے encode اور decode کرتا ہے۔

ماڈل کے ورژن

• Wan2.2-I2V: 14B پیرامیٹر ماڈل، 480P اور 720P ریزولوشن سپورٹ۔
• Wan2.2-T2V: 14B پیرامیٹر ماڈل، 480P اور 720P ریزولوشن سپورٹ۔
• Wan2.2-T2V-1.3B: صارف درجے کے GPUs کے لیے ہلکا ورژن۔
• Wan2.2-FLF2V-14B-720P: First-Last-Frame-to-Video جنریشن ماڈل۔

عام استعمال

• پیچیدہ حرکت کی جنریشن: وسیع جسمانی حرکات، پیچیدہ گردش، متحرک منظر کی تبدیلیوں اور رواں کیمرہ موومنٹ والی حقیقت پسند ویڈیوز۔
• فزیکل سمیولیشن: حقیقی دنیا کی طبیعیات اور اشیا کے حقیقت پسندانہ تعاملات کی درست نقل۔
• سینمایی معیار: بھرپور ٹیکسچرز اور مختلف اسٹائل ایفیکٹس کے ساتھ فلم جیسے مناظر۔
• قابلِ کنٹرول ایڈیٹنگ: تصویر یا ویڈیو حوالوں سے درست ترمیم کے لیے یونیورسل ایڈیٹنگ ماڈل۔

استعمال کی ہدایات

ویب انٹرفیس میں متنی وضاحت درج کرکے یا تصاویر اپ لوڈ کرکے ویڈیوز بنائیں۔ اسمارٹ ایکسپینشن اور سیفٹی چیکر کی سہولتیں دستیاب ہیں۔ 5 سیکنڈ کی 480P ویڈیو بنانے کے لیے 130 کریڈٹس درکار ہوتے ہیں اور RTX 4090 پر تقریباً 4 منٹ لگتے ہیں۔

ہدف صارفین

پیشہ ور مواد تخلیق کار، ویڈیو پروڈیوسرز، ڈیزائنرز، ڈویلپرز، کاروباری صارفین اور AI ویڈیو جنریشن آزمانے میں دلچسپی رکھنے والے عام صارفین۔

بنیادی فوائد

• اوپن سورس دستیابی، جس سے استعمال کی رکاوٹیں کم ہوتی ہیں۔
• وسیع تعیناتی کے لیے صارف درجے کے ہارڈویئر کی سپورٹ۔
• کثیر مقصدی انضمام: ایک ماڈل، متعدد استعمال۔
• تجارتی حلوں کے برابر اعلیٰ معیار کا آؤٹ پٹ۔
• وسیع اطلاقی منظرناموں کے لیے چینی اور انگریزی متن کی سپورٹ۔