wan2.1

Wan2.1 é um conjunto de modelos de geração de vídeo em grande escala, aberto e avançado. Ele suporta várias tarefas, incluindo Text-to-Video (T2V), Image-to-Video (I2V), First-Last-Frame-to-Video (FLF2V), Edição de Vídeo, Text-to-Image e Video-to-Audio. O repositório fornece checkpoints de modelos com 1,3B e 14B de parâmetros, com suporte a resoluções de 480P e 720P. Principais capacidades incluem: - Suporte a GPUs de nível consumer: o modelo T2V-1.3B requer 8,19 GB de VRAM, permitindo a geração de vídeos em GPUs padrão. - Geração de texto visual: capaz de gerar texto em chinês e inglês dentro de vídeos. - Wan-VAE: um VAE de vídeo para codificação e decodificação de vídeos 1080P de qualquer duração, preservando informações temporais. - VACE: um modelo all-in-one para criação e edição de vídeos. O repositório oferece scripts de inferência para GPU única e multi-GPU usando FSDP e xDiT USP (estratégias Ulysses e Ring). Suporta extensão de prompt via Dashscope API ou modelos locais Qwen. A integração com Diffusers, ComfyUI e demonstrações Gradio é fornecida. Os pesos dos modelos estão disponíveis no Hugging Face e ModelScope.