阿里巴巴 WAN 2.1 T2V Plus 720p 现已登陆WaveSpeedAI

在WaveSpeedAI上推出阿里巴巴Wan 2.1 T2V Plus (720p)

AI视频生成领域已经到达了一个关键时刻,我们很高兴能为WaveSpeedAI带来其最令人印象深刻的开源突破之一。阿里巴巴Wan 2.1 T2V Plus (720p) 现已在我们的平台上推出,提供专业级的文本到视频生成能力,可与OpenAI的Sora等专有模型相媲美——在许多基准测试中甚至超越它们。

什么是阿里巴巴Wan 2.1 T2V Plus?

阿里巴巴Wan 2.1 T2V Plus是阿里巴云通义实验室对日益增长的可访问、高质量AI视频生成需求的回应。基于扩散Transformer (DiT) 范式与自定义的时空变分自编码器(Wan-VAE) 相结合,这个140亿参数的模型能够将文本提示转换为具有卓越保真度和运动连贯性的电影级720p视频。

Wan 2.1的与众不同之处不仅在于其技术实力——更在于视频AI的民主化。虽然Sora和谷歌Veo 2等竞争对手仍被围在付费墙后,阿里巴巴在Apache 2.0许可证下发布了Wan 2.1,该模型在大约15亿个视频和100亿张图像 上进行了训练。结果是一个从根本上理解视觉叙事的模型。

在VBench排行榜——评估AI视频生成器的行业标准——Wan 2.1获得了86.22% 的总分,超越了Sora的84.28%和Luma的83.61%。这些并非微小的改进;它们代表了主体一致性、空间准确性和运动流畅性方面的可测量进步。

主要特性

电影级视觉控制 Wan 2.1 T2V Plus提供对视频输出的好莱坞级别控制。该模型能够捕捉细致的光照、复杂的色彩分级和专业的景深效果——这些元素以前需要昂贵的后期制作工作或闭源解决方案。

卓越的运动连贯性 AI视频生成最具挑战性的方面之一是在整个视频片段中保持平顺、逼真的运动。Wan 2.1在这方面表现出色,确保主体和背景之间的运动流畅连贯,没有困扰劣质模型的闪烁、失真或结构偏移。

提示词忠实生成 详细描述一个场景,Wan 2.1就会交付。该模型的T5编码器与交叉注意力架构提供了强大的文本处理能力,能够准确解释复杂提示,无论您是要求”一只金毛猎犬在秋叶中慢动作奔跑”还是”霓虹灯赛博朋克城市景观,带有飞行车辆”。

多语言文本生成 业界首创——Wan 2.1支持在AI生成的视频中生成中文和英文文本,为本地化内容创建和多语言营销材料打开了大门。

优化的720p效率 T2V Plus变体在质量和性能之间达到了理想的平衡。在720p分辨率下,您可以获得专业级输出,同时相比更高分辨率的替代方案具有更快的推理速度和更低的计算成本。

真实应用场景

社交媒体内容创建

为TikTok、Instagram Reels或YouTube Shorts生成引人注目的5秒视频。该模型的横屏(1280×720)和竖屏(720×1280)选项让您可以针对任何平台进行优化。创建产品展示、品牌时刻或可能走红的内容,而无需拍摄任何画面。

营销和广告

将营销文案转化为动态视频广告。描述您的产品运作方式,设定氛围和光照,生成专业的推广内容,成本仅为传统制作成本的一小部分。该模型的电影级控制使其非常适合高端品牌定位。

概念可视化

建筑师、游戏设计师和创意总监可以在承诺全面制作之前让概念变为现实。仅通过提示词就能可视化建筑漫游、游戏过场动画或电影前期可视化。

教育内容

创建引人入胜的视觉解释,用于复杂主题。从科学过程到历史事件,将枯燥文字转化为难忘的视觉叙事,增强学习保留。

电商产品视频

生成产品演示视频,展示商品在各种环境和光照条件下的情况。完美适合想要扩展视觉内容的代理商、小型企业和电商平台。

在WaveSpeedAI上入门

在WaveSpeedAI上访问Wan 2.1 T2V Plus只需片刻:

导航到模型: 访问WaveSpeedAI上的alibaba/wan-2.1/t2v-plus-720p。
编写您的提示词: 详细描述您想要的场景。包括环境、主体、光照和摄像机移动。例如:“一杯冒烟的咖啡放在木制桌子上,早晨阳光透过百叶窗洒入,轻轻升起的蒸汽,浅景深,温暖的色调。”
选择您的宽高比: 选择横屏(1280×720)用于电影级内容,或竖屏(720×1280)用于社交媒体竖屏格式。
可选的精细调整: 添加负面提示词来排除不需要的元素,或设置种子值以获得可重现的结果。
生成: 点击运行,片刻之后您就会收到您的5秒720p视频。