🔥 قابلیت‌های Wan2.1-VACE:
🟢 R2V
– تولید ویدیو از روی یک نمونه مرجع (Reference-to-Video)
🟢 V2V
– ویرایش ویدیو با استفاده از یک ویدیوی دیگر (Video-to-Video)
🟢 MV2V
– ویرایش نواحی ماسک‌شده در یک ویدیو (Masked Video-to-Video)
💡 این قابلیت‌ها به‌صورت ترکیبی نیز قابل استفاده‌اند و امکان انجام پروژه‌های خلاقانه پیچیده را فراهم می‌کنند.
🔍 ویژگی‌های کلیدی:
❇️ عملکرد در سطح SOTA: مدل Wan2.1 در بسیاری از بنچمارک‌ها عملکردی بهتر از مدل‌های متن‌باز موجود و حتی برخی راهکارهای تجاری سطح بالا دارد.
❇️ سازگار با کارت گرافیک‌های معمولی: مدل T2V-1.3B تنها به 8.19 گیگابایت VRAM نیاز دارد و روی اکثر GPUهای خانگی قابل اجراست. مثلاً روی RTX 4090 می‌تواند یک ویدیوی ۵ ثانیه‌ای با رزولوشن 480P را در حدود ۴ دقیقه (بدون بهینه‌سازی) تولید کند.
❇️ چندوظیفگی: عملکرد خوب در وظایف تولید متن‌به‌ویدیو، تصویر‌به‌ویدیو، ویرایش ویدیو، متن‌به‌تصویر، و ویدیو‌به‌صدا، و پیشبرد مرزهای تولید ویدیو.
❇️ پشتیبانی از خروجی 1080P با طول دلخواه، همراه با حفظ ساختار زمانی در تولید ویدیو.
حجم مدل‌ها: 1.3 میلیارد و 14 میلیارد پارامتر
مجوز انتشار: Apache-2
🔗 GitHub:
github.com/Wan-Video/Wan2.1
🔗 HuggingFace:
huggingface.co/Wan-AI
🔗 ModelScope:
modelscope.cn/organization/Wan-Al
🔗 API Service: bailian.console.alibabacloud.com
#Alibaba #Wan #هوش_مصنوعی #مدل_مولد #ویرایش_ویدیو
@asrgooyeshpardaz
🟢 R2V
– تولید ویدیو از روی یک نمونه مرجع (Reference-to-Video)
🟢 V2V
– ویرایش ویدیو با استفاده از یک ویدیوی دیگر (Video-to-Video)
🟢 MV2V
– ویرایش نواحی ماسک‌شده در یک ویدیو (Masked Video-to-Video)
💡 این قابلیت‌ها به‌صورت ترکیبی نیز قابل استفاده‌اند و امکان انجام پروژه‌های خلاقانه پیچیده را فراهم می‌کنند.
🔍 ویژگی‌های کلیدی:
❇️ عملکرد در سطح SOTA: مدل Wan2.1 در بسیاری از بنچمارک‌ها عملکردی بهتر از مدل‌های متن‌باز موجود و حتی برخی راهکارهای تجاری سطح بالا دارد.
❇️ سازگار با کارت گرافیک‌های معمولی: مدل T2V-1.3B تنها به 8.19 گیگابایت VRAM نیاز دارد و روی اکثر GPUهای خانگی قابل اجراست. مثلاً روی RTX 4090 می‌تواند یک ویدیوی ۵ ثانیه‌ای با رزولوشن 480P را در حدود ۴ دقیقه (بدون بهینه‌سازی) تولید کند.
❇️ چندوظیفگی: عملکرد خوب در وظایف تولید متن‌به‌ویدیو، تصویر‌به‌ویدیو، ویرایش ویدیو، متن‌به‌تصویر، و ویدیو‌به‌صدا، و پیشبرد مرزهای تولید ویدیو.
❇️ پشتیبانی از خروجی 1080P با طول دلخواه، همراه با حفظ ساختار زمانی در تولید ویدیو.
حجم مدل‌ها: 1.3 میلیارد و 14 میلیارد پارامتر
مجوز انتشار: Apache-2
🔗 GitHub:
github.com/Wan-Video/Wan2.1
🔗 HuggingFace:
huggingface.co/Wan-AI
🔗 ModelScope:
modelscope.cn/organization/Wan-Al
🔗 API Service: bailian.console.alibabacloud.com
#Alibaba #Wan #هوش_مصنوعی #مدل_مولد #ویرایش_ویدیو
@asrgooyeshpardaz
👍4👌1
🎬 علی‌بابا دوباره غوغا به پا کرده! امروز شاهد انتشار Wan2.2 هستیم.
این اولین مدل تولید ویدئو متن‌باز در جهان است که از معماری MoE بهره می‌برد و کنترل کامل سینمایی را فراهم می‌کند!
🚀 ویژگی‌ها:
🔸 اولین مدل MoE برای ویدئو — بدون افزایش بار، مقیاس‌پذیر است. هر مرحله از فرآیند انتشار (diffusion) توسط متخصصان متفاوت انجام می‌شود که مثل یک تیم هماهنگ کار می‌کنند.
🔸 کنترل سینمایی — امکان کنترل نورپردازی، رنگ، حرکت دوربین و ترکیب‌بندی تنها با استفاده از پرامپت.
🔸 مجموعه کامل و متن‌باز:
❇️مدل Wan2.2-T2V-A14B — تبدیل متن به ویدئو
❇️مدل Wan2.2-I2V-A14B — تبدیل تصویر به ویدئو
❇️مدل Wan2.2-TI2V-5B — تولید ترکیبی (متن + تصویر → ویدئو)
📈 این مدل می‌تواند حرکات پیچیده را بهتر از هر مدل دیگری تولید کند و خروجی آن تقریباً شبیه فیلم واقعی است 🎥
🟢 GitHub:
https://github.com/Wan-Video/Wan2.2
🟢 Hugging Face:
https://huggingface.co/Wan-AI
🟢 ModelScope:
https://modelscope.cn/organization/Wan-AI
#هوش_مصنوعی #ویدئو_هوشمند #هوش_تولیدی #متن_باز #Wan
@asrgooyeshpardaz
این اولین مدل تولید ویدئو متن‌باز در جهان است که از معماری MoE بهره می‌برد و کنترل کامل سینمایی را فراهم می‌کند!
🚀 ویژگی‌ها:
🔸 اولین مدل MoE برای ویدئو — بدون افزایش بار، مقیاس‌پذیر است. هر مرحله از فرآیند انتشار (diffusion) توسط متخصصان متفاوت انجام می‌شود که مثل یک تیم هماهنگ کار می‌کنند.
🔸 کنترل سینمایی — امکان کنترل نورپردازی، رنگ، حرکت دوربین و ترکیب‌بندی تنها با استفاده از پرامپت.
🔸 مجموعه کامل و متن‌باز:
❇️مدل Wan2.2-T2V-A14B — تبدیل متن به ویدئو
❇️مدل Wan2.2-I2V-A14B — تبدیل تصویر به ویدئو
❇️مدل Wan2.2-TI2V-5B — تولید ترکیبی (متن + تصویر → ویدئو)
📈 این مدل می‌تواند حرکات پیچیده را بهتر از هر مدل دیگری تولید کند و خروجی آن تقریباً شبیه فیلم واقعی است 🎥
🟢 GitHub:
https://github.com/Wan-Video/Wan2.2
🟢 Hugging Face:
https://huggingface.co/Wan-AI
🟢 ModelScope:
https://modelscope.cn/organization/Wan-AI
#هوش_مصنوعی #ویدئو_هوشمند #هوش_تولیدی #متن_باز #Wan
@asrgooyeshpardaz
❤10👌4
🚀 مدل Wan2.2-S2V — مدلی با ۱۴ میلیارد پارامتر برای تولید ویدئو با کیفیت سینمایی بر اساس صدا
🎬 نسخه جدید Wan می‌تواند تصاویر ثابت و فایل‌های صوتی را به ویدئوهای پویا با حالت‌های چهره واقعی، حرکات طبیعی بدن و کار حرفه‌ای دوربین تبدیل کند.
✨ ویژگی‌های کلیدی:
✅پیوستگی حرکتی بالا — تولید انیمیشن روان و پایدار در کل ویدئو
✅همگام‌سازی دقیق صدا و تصویر — تطابق کامل میمیک و بیان کلمات با صدا
✅کنترل حرکات و محیط از طریق پرامپت متنی — امکان تعیین ژست‌ها، احساسات، پس‌زمینه و رفتار کاراکتر (مثلاً «مردی در حال راه رفتن روی ریل»، «دختری در حال آواز خواندن زیر باران»، «پیرمردی در حال نواختن پیانو کنار دریا»)
✅پشتیبانی از سناریوهای پیچیده — از جمله حرکت دوربین، باران، باد، چتر نجات، فیلم‌برداری در قطار در حال حرکت و سایر جلوه‌های سینمایی
📊 نتایج آزمایش‌ها نشان می‌دهد این مدل بهترین یا نزدیک به بهترین عملکرد را در میان رقبا دارد:
FID ↓ 15.66 — کیفیت بالای ویدئو
EFID ↓ 0.283 — طبیعی بودن حالت‌های چهره
CSIM ↑ 0.677 — حفظ هویت کاراکتر
همچنین نتایج خوب در SSIM، PSNR و Sync-C که وضوح بصری، پایداری و همگام‌سازی صوتی را تأیید می‌کند
🔓 این پروژه کاملاً اوپن‌سورس است — شامل کد منبع و وزن‌های مدل.
و به نظر می‌رسد با LoRA-Adapterهای Wan 2.x نیز سازگار باشد.
🟢 امتحان آنلاین
https://wan.video
🟢 کدها در GitHub
https://github.com/Wan-Video/Wan2.2
🟢 وب‌سایت پروژه
https://humanaigc.github.io/wan-s2v-webpage
🟢 دمو در Hugging Face
https://huggingface.co/spaces/Wan-AI/Wan2.2-S2V
🟢 دمو در ModelScope
https://modelscope.cn/studios/Wan-AI/Wan2.2-S2V
🟢 وزن‌ها در هاگینگ فیس
https://huggingface.co/Wan-AI/Wan2.2-S2V-14B
#هوش_مصنوعی #Wan
@asrgooyeshpardaz
🎬 نسخه جدید Wan می‌تواند تصاویر ثابت و فایل‌های صوتی را به ویدئوهای پویا با حالت‌های چهره واقعی، حرکات طبیعی بدن و کار حرفه‌ای دوربین تبدیل کند.
✨ ویژگی‌های کلیدی:
✅پیوستگی حرکتی بالا — تولید انیمیشن روان و پایدار در کل ویدئو
✅همگام‌سازی دقیق صدا و تصویر — تطابق کامل میمیک و بیان کلمات با صدا
✅کنترل حرکات و محیط از طریق پرامپت متنی — امکان تعیین ژست‌ها، احساسات، پس‌زمینه و رفتار کاراکتر (مثلاً «مردی در حال راه رفتن روی ریل»، «دختری در حال آواز خواندن زیر باران»، «پیرمردی در حال نواختن پیانو کنار دریا»)
✅پشتیبانی از سناریوهای پیچیده — از جمله حرکت دوربین، باران، باد، چتر نجات، فیلم‌برداری در قطار در حال حرکت و سایر جلوه‌های سینمایی
🖼️ + 🎵 = 🎥
مدل Wan2.2-S2V با دریافت یک تصویر و یک فایل صوتی، ویدئویی همگام و منطبق با پرامپت تولید می‌کند.
📊 نتایج آزمایش‌ها نشان می‌دهد این مدل بهترین یا نزدیک به بهترین عملکرد را در میان رقبا دارد:
FID ↓ 15.66 — کیفیت بالای ویدئو
EFID ↓ 0.283 — طبیعی بودن حالت‌های چهره
CSIM ↑ 0.677 — حفظ هویت کاراکتر
همچنین نتایج خوب در SSIM، PSNR و Sync-C که وضوح بصری، پایداری و همگام‌سازی صوتی را تأیید می‌کند
🔓 این پروژه کاملاً اوپن‌سورس است — شامل کد منبع و وزن‌های مدل.
و به نظر می‌رسد با LoRA-Adapterهای Wan 2.x نیز سازگار باشد.
🟢 امتحان آنلاین
https://wan.video
🟢 کدها در GitHub
https://github.com/Wan-Video/Wan2.2
🟢 وب‌سایت پروژه
https://humanaigc.github.io/wan-s2v-webpage
🟢 دمو در Hugging Face
https://huggingface.co/spaces/Wan-AI/Wan2.2-S2V
🟢 دمو در ModelScope
https://modelscope.cn/studios/Wan-AI/Wan2.2-S2V
🟢 وزن‌ها در هاگینگ فیس
https://huggingface.co/Wan-AI/Wan2.2-S2V-14B
#هوش_مصنوعی #Wan
@asrgooyeshpardaz
💯3❤2
This media is not supported in your browser
VIEW IN TELEGRAM
✨ مدل Wan2.2-S2V
مدلی با ۱۴ میلیارد پارامتر برای ساخت ویدئوهای سینمایی از روی یک تصویر و یک فایل صوتی 🎬🎵
ویژگی‌ها:
✅ چهره و حرکات طبیعی
✅ همگام‌سازی دقیق صدا و تصویر
✅ کنترل ژست، احساسات و پس‌زمینه با متن
✅ پشتیبانی از سناریوهای پیچیده و جلوه‌های سینمایی
🔓 اوپن‌سورس + دمو آنلاین
#هوش_مصنوعی #AI #Wan #VideoAI
@asrgooyeshpardaz
مدلی با ۱۴ میلیارد پارامتر برای ساخت ویدئوهای سینمایی از روی یک تصویر و یک فایل صوتی 🎬🎵
ویژگی‌ها:
✅ چهره و حرکات طبیعی
✅ همگام‌سازی دقیق صدا و تصویر
✅ کنترل ژست، احساسات و پس‌زمینه با متن
✅ پشتیبانی از سناریوهای پیچیده و جلوه‌های سینمایی
🔓 اوپن‌سورس + دمو آنلاین
#هوش_مصنوعی #AI #Wan #VideoAI
@asrgooyeshpardaz
👌5❤2