Wan 2.2

Description

Wan 2.2 est un modèle de génération vidéo open-source décrit comme le premier à intégrer une architecture Mixture-of-Experts (MoE) dans la diffusion vidéo. Construit par le laboratoire Tongyi d'Alibaba, il permet aux utilisateurs de créer des vidéos cinématographiques à partir de texte ou d'images en résolution 480P et 720P, avec des poids de modèle complets disponibles en téléchargement sur GitHub.

Le modèle met l'accent sur le contrôle de la vision cinématographique grâce à une maîtrise approfondie du langage des plans, offrant un contrôle précis sur l'éclairage, la couleur et la composition pour des styles variés. Son modèle I2V-A14B pour l'image à vidéo fournit une synthèse vidéo stable avec une physique réaliste, un mouvement naturel et des mouvements de caméra irréalistes réduits, tandis qu'une compréhension avancée du mouvement recrée des mouvements complexes tels que la danse, le parkour et le patinage artistique avec une fluidité améliorée. L'architecture MoE augmente la capacité du modèle tout en maintenant l'efficacité computationnelle.

Wan 2.2 comprend également un pipeline de création visuelle amélioré qui génère des images optimisées pour l'intégration vidéo en aval, ajustées avec des données esthétiques sélectionnées pour l'éclairage, la composition et la couleur. Entraîné sur 65,6 % d'images supplémentaires par rapport aux versions précédentes, il améliore la généralisation à travers le mouvement, la sémantique et l'esthétique. Étant entièrement open-source, les développeurs et créateurs peuvent le télécharger et l'exécuter eux-mêmes, et une communauté mondiale partage son travail construit avec le modèle.

Fonctionnalités principales de Wan 2.2

• Modèle open-source avec poids complets téléchargeables sur GitHub

• Architecture Mixture-of-Experts (MoE) pour une plus grande capacité avec efficacité

• Génération de texte à vidéo et d'image à vidéo en 480P et 720P

• Modèle I2V-A14B pour une synthèse stable avec une physique réaliste

• Compréhension avancée du mouvement pour des mouvements complexes et fluides

• Contrôle cinématographique sur l'éclairage, la couleur et la composition

• Pipeline de génération d'images optimisé pour la vidéo avec réglage esthétique

• Sortie 720p à 24fps avec performance optimisée

Comment utiliser Wan 2.2 ?

1. 1

   Téléchargez le modèle : obtenez Wan 2.2 avec ses poids complets depuis GitHub.

2. 2

   Choisissez un mode : utilisez la génération de texte à vidéo ou d'image à vidéo.

3. 3

   Fournissez une entrée : rédigez un prompt textuel ou fournissez une image de départ, éventuellement préparée avec le pipeline visuel.

4. 4

   Définissez les contrôles cinématographiques : spécifiez l'éclairage, la couleur, la composition et le mouvement pour votre style souhaité.

5. 5

   Générez : produisez un clip cinématographique en 480P ou 720P.

Cas d'utilisation de Wan 2.2

• Texte à vidéo cinématographique
• Création d'image à vidéo
• Génération auto-hébergée
• Contenu riche en mouvement

FAQ de Wan 2.2

• Qu'est-ce que Wan 2.2 ?

  Wan 2.2 est décrit comme le premier modèle de génération vidéo Mixture-of-Experts open-source au monde, construit par le laboratoire Tongyi d'Alibaba pour la création de vidéos à partir de texte et d'images jusqu'à 720P.

• Wan 2.2 est-il vraiment open-source ?

  Oui. Il est entièrement open-source avec des poids de modèle complets, et vous pouvez le télécharger depuis GitHub et l'exécuter vous-même.

• Quelles résolutions prend-il en charge ?

  Il prend en charge les résolutions 480P et 720P, avec une sortie 720p à 24fps.

• À quoi sert l'architecture MoE ?

  L'architecture Mixture-of-Experts augmente la capacité du modèle tout en maintenant l'efficacité computationnelle pour une diffusion vidéo de meilleure qualité.

• Quelle est la qualité de sa gestion du mouvement ?

  Wan 2.2 recrée des mouvements complexes tels que la danse hip-hop, le parkour et le patinage artistique avec une fluidité améliorée, et son modèle I2V-A14B réduit les mouvements de caméra irréalistes.

• Aide-t-il aussi à la génération d'images ?

  Oui. Il comprend un pipeline de création visuelle qui produit des images ajustées avec des données esthétiques pour l'éclairage, la composition et la couleur, optimisées pour la génération vidéo en aval.