Wan Video 2.2 - 5B Tekst-Obraz do Wideo

Wan Video

Uwaga: Istnieją inne pliki Wan Video hostowane na Civitai – mogą być duplikatami, ale ta karta modelu służy głównie do hostowania plików używanych przez Wan Video w generatorze Civitai.

Te pliki to ComfyUI Repack – oryginalne pliki można znaleźć w Diffusers/multi-part safetensors tutaj.

Wan2.2 to duża aktualizacja naszych wizualnych modeli generatywnych, która jest teraz otwartoźródłowa, oferując potężniejsze możliwości, lepszą wydajność i wyższą jakość wizualną. W Wan2.2 skupiliśmy się na wprowadzeniu następujących innowacji technicznych:

👍 Architektura MoE: Wan2.2 wprowadza architekturę Mixture-of-Experts (MoE) do modeli dyfuzji wideo. Poprzez rozdzielenie procesu usuwania szumów na poszczególne kroki czasowe z wykorzystaniem wyspecjalizowanych, potężnych modeli ekspertów, zwiększa to całkowitą pojemność modelu przy zachowaniu tego samego kosztu obliczeniowego.

💪🏻 Skalowanie danych: W porównaniu z Wan2.1, Wan2.2 był trenowany na znacznie większych danych, z +65,6% więcej obrazów i +83,2% więcej wideo. To rozszerzenie znacząco poprawia uogólnianie modelu w wielu wymiarach, takich jak ruch, semantyka i estetyka, osiągając najlepsze wyniki wśród wszystkich modeli otwarto i zamkniętoźródłowych.

🎬 Estetyka filmowa: Wan2.2 zawiera specjalnie dobrane dane estetyczne z precyzyjnymi etykietami dotyczącymi oświetlenia, kompozycji i koloru. Pozwala to na dokładniejsze i kontrolowane generowanie stylu filmowego, ułatwiając tworzenie wideo z konfigurowalnymi preferencjami estetycznymi.

🚀 Wydajny hybrydowy TI2V w wysokiej rozdzielczości: Wan2.2 udostępnia otwartoźródłowo model 5B zbudowany z użyciem zaawansowanego Wan2.2-VAE, który osiąga współczynnik kompresji 16×16×4. Model ten obsługuje zarówno generowanie tekst-do-wideo, jak i obraz-do-wideo w rozdzielczości 720P przy 24fps i może działać na kartach graficznych konsumenckich, takich jak 4090. Jest to jeden z najszybszych modeli 720P@24fps dostępnych obecnie, zdolny do obsługi zarówno sektora przemysłowego, jak i naukowego.

Wan2.2-T2V-A14B

Model T2V-A14B wspiera generowanie 5-sekundowych wideo w rozdzielczościach 480P i 720P. Zbudowany z architekturą Mixture-of-Experts (MoE), zapewnia doskonałą jakość generowania wideo. Na naszym nowym benchmarku Wan-Bench 2.0 model przewyższa wiodące modele komercyjne w większości kluczowych wymiarów oceny.

Wan2.2-I2V-A14B

Model I2V-A14B, zaprojektowany do generowania obraz-do-wideo, obsługuje rozdzielczości 480P i 720P. Zbudowany z architekturą Mixture-of-Experts (MoE), osiąga stabilniejszą syntezę wideo z redukcją nierealistycznych ruchów kamery i oferuje lepsze wsparcie dla różnorodnych stylizowanych scen.

Wan2.2-TI2V-5B

Model TI2V-5B zbudowany jest z zaawansowanym Wan2.2-VAE, który osiąga współczynnik kompresji 16×16×4. Model ten obsługuje generowanie tekst-do-wideo i obraz-do-wideo w rozdzielczości 720P przy 24fps i działa na pojedynczej karcie graficznej konsumenckiej, takiej jak 4090. Jest to jeden z najszybszych modeli 720P@24fps dostępnych, spełniający potrzeby zarówno zastosowań przemysłowych, jak i badań naukowych.

GitHub: https://github.com/Wan-Video/Wan2.2

Oryginalne repozytorium HuggingFace: https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged/tree/main/split_files/diffusion_models