Wan
Wan
软件描述
具备前沿性能的高级视频模型，可在消费级显卡上生成 480p/720p 视频，支持文本到视频、图像转换、编辑以及利用强大 VAE 实现独特的双语文本生成任务。
官方网站
访问软件的官方网站了解更多信息
tongyi.aliyun.com
什么是 Wan?
万：开放且先进的大规模视频生成模型。
在本仓库中，我们推出了 Wan2.1，这是一个全面且开放的视频基础模型套件，显著推动了视频生成技术的发展。Wan2.1具备以下核心特性：
领先性能：Wan2.1在多个基准测试中均优于现有的开源模型和前沿商业解决方案。
支持消费级显卡：T2V-1.3B 模型仅需 8.19 GB 显存，可兼容几乎所有消费级显卡。其可在 RTX 4090 上约 4 分钟内生成一段 5 秒的 480P 视频（无需使用量化等优化技术）。其性能甚至可与部分闭源模型相媲美。
多任务支持：Wan2.1在文本到视频、图像到视频、视频编辑、文本到图像以及视频到音频等任务上表现卓越，显著推动了视频生成领域的发展。
视觉文本生成：Wan2.1是首个能够生成中英文文本的视频模型，具备强大的文本生成能力，显著提升了其实际应用场景。
强大的视频 VAE：Wan-VAE 实现了极高的效率与性能，能够高效编码和解码任意长度的 1080P 视频，同时完整保留时间信息，是视频和图像生成的理想基础模型。
🔄 替代方案
53 个选择
Stable Video Diffusion
稳定视频旨在服务于媒体、娱乐、教育、营销等多个领域的广泛应用。它使个人能够将文本和图像输入转化为生动的场景，并将概念转化为实景拍摄的影视创作。
Mochi AI
实现了符合物理规律的逼真运动质量，能够高效准确地控制角色与动作，生成流畅的人类表情。作为世界模拟器，它支持在合成现实环境中进行探索，无缝融合文本、音频、图像和3D内容。采用 Apache 2.0 开源协议。
专为人工智能打造的影视制作工具，集成了谷歌Gemini人工智能技术，以及先进的视频生成模型Veo 3和下一代图像生成系统Imagen 4。
