منصوبے کے بارے میں

Wan2.1 ایک کھلا اور جدید large-scale video generative model suite ہے۔ یہ متعدد کاموں کی حمایت کرتا ہے جن میں Text-to-Video (T2V)، Image-to-Video (I2V)، First-Last-Frame-to-Video (FLF2V)، Video Editing، Text-to-Image، اور Video-to-Audio شامل ہیں۔ یہ repository 1.3B اور 14B parameter models کے model checkpoints فراہم کرتی ہے، جو 480P اور 720P resolutions کی حمایت کرتے ہیں۔ اہم صلاحیتوں میں شامل ہیں: - Consumer-grade GPU support: T2V-1.3B model صرف 8.19 GB VRAM درکار کرتا ہے، جس سے معیاری GPUs پر ویڈیو جنریشن ممکن ہوتی ہے۔ - Visual text generation: ویڈیوز کے اندر چینی اور انگریزی دونوں زبانوں کا متن تخلیق کرنے کی صلاحیت۔ - Wan-VAE: ایک video VAE جو 1080P ویڈیوز کو کسی بھی لمبائی کے ساتھ encode اور decode کرتا ہے اور temporal information محفوظ رکھتا ہے۔ - VACE: ویڈیو creation اور editing کے لیے ایک all-in-one model۔ یہ repository FSDP اور xDiT USP (Ulysses اور Ring strategies) استعمال کرتے ہوئے single-GPU اور multi-GPU inference scripts فراہم کرتی ہے۔ یہ Dashscope API یا local Qwen models کے ذریعے prompt extension کی حمایت کرتی ہے۔ Diffusers، ComfyUI، اور Gradio demos کے ساتھ انtegration بھی فراہم کی گئی ہے۔ Model weights Hugging Face اور ModelScope پر دستیاب ہیں۔