Wan 2.2 by Alibaba Wan AI

Tính năng chính

• Văn bản thành video: tạo video chất lượng cao từ mô tả văn bản.
• Hình ảnh thành video: chuyển ảnh tĩnh thành video động.
• Điều khiển khung hình đầu và cuối: cho phép chỉ định khung hình bắt đầu và kết thúc để tạo chuyển tiếp ở giữa.
• Tính năng điều khiển nâng cao: cung cấp khả năng kiểm soát chính xác quá trình tạo video và các tùy chọn sáng tạo.
• Tham chiếu nhân vật và chuyển động: kết hợp phong cách nhân vật với chuyển động tham chiếu để tạo video cá nhân hóa.

Đặc điểm kỹ thuật

• Hiệu suất SOTA: thường xuyên vượt các mô hình mã nguồn mở hiện có và giải pháp thương mại trong nhiều benchmark.
• Hỗ trợ GPU phổ thông: mô hình T2V-1.3B chỉ cần 8,19 GB VRAM và tương thích với gần như mọi GPU phổ thông.
• Khả năng đa nhiệm: nổi bật ở các tác vụ văn bản thành video, hình ảnh thành video, chỉnh sửa video, văn bản thành hình ảnh và video thành âm thanh.
• Tạo văn bản trực quan: được giới thiệu là mô hình video đầu tiên có thể tạo văn bản tiếng Trung và tiếng Anh.
• Wan-VAE: mã hóa và giải mã hiệu quả video 1080P có độ dài bất kỳ.

Phiên bản mô hình

• Wan2.2-I2V: mô hình 14 tỷ tham số, hỗ trợ độ phân giải 480P và 720P.
• Wan2.2-T2V: mô hình 14 tỷ tham số, hỗ trợ độ phân giải 480P và 720P.
• Wan2.2-T2V-1.3B: phiên bản nhẹ dành cho GPU phổ thông.
• Wan2.2-FLF2V-14B-720P: mô hình tạo video từ khung hình đầu và cuối.

Ứng dụng và cách dùng

Wan 2.2 phù hợp để tạo chuyển động cơ thể phức tạp, xoay, chuyển cảnh năng động và chuyển động máy quay mượt mà. Mô hình cũng mô phỏng vật lý thực tế và tương tác giữa các vật thể, cung cấp hình ảnh mang chất lượng điện ảnh và hỗ trợ chỉnh sửa chính xác bằng tham chiếu hình ảnh hoặc video.

Người dùng có thể tạo video trên giao diện web bằng cách nhập mô tả văn bản hoặc tải hình ảnh lên. Công cụ hỗ trợ mở rộng thông minh và trình kiểm tra an toàn. Trên RTX 4090, video 480P dài 5 giây cần 130 tín dụng và mất khoảng 4 phút để tạo.

Đối tượng sử dụng gồm nhà sáng tạo nội dung chuyên nghiệp, nhà sản xuất video, nhà thiết kế, nhà phát triển, doanh nghiệp và người dùng phổ thông muốn thử tạo video bằng AI. Các ưu điểm chính là mã nguồn mở, hỗ trợ phần cứng phổ thông, khả năng đa chức năng, chất lượng đầu ra tương đương giải pháp thương mại và hỗ trợ văn bản tiếng Trung, tiếng Anh.