I september 2024 frigav Alibaba officielt sin proprietære AI-videogenereringsmodel, Tongyi Waniang AI, også kendt som Wan AI. I januar 2025 introducerede Alibaba Wan 2.1, den seneste version af sin AI-videogenerator.
Nu står de over for hård konkurrence fra teknologivirksomheder som OpenAI og Kuaishou, men har Alibaba det, der skal til for at skille sig ud?
For at besvare dette har jeg udarbejdet en dybdegående guide for at give indsigt i, hvad der gør Wan AI så stor en sag inden for AI visuel indholdsskabelse.
Wan 2.1: Det grundlæggende
Wan 2.1 bruger en blanding af VAE- og DiT-teknologi til at få videoer til at se superrealistiske ud ved at forbedre, hvordan ting bevæger sig og visuelt forbinder sig. Grundlæggende er den god til at kopiere svære bevægelser fra den virkelige verden med præcis kropskoordination og jævn bevægelse.
Det betyder, at jeg kan bruge den til at gengive komplekse karakterscener som balletdans, svømning og kunstskøjteløb, hvilket de fleste AI-videomodeller ofte fejler med. Faktisk er det på grund af dens evne til at overholde realistiske bevægelsestrajektorier, at Wan 2.1 ligger øverst på AI-videogenereringsVBench-ranglisten.
Ud over dette kommer denne nye version med endnu større promptmuligheder, som fører til hurtigere og mere intuitive generationer. Af denne grund kan jeg generere 1-minutters videoer i 1080p opløsning inden for cirka 15 sekunder. Det er også værd at bemærke, at Wan 2.1 har fire varianter: T2V-1.3B, T2V-14B, I2V-14B-480P og I2V-14B-720P.
Da den understøtter 14 milliarder parametre (14B), kan AI-videomodellen fortolke langt mere input og kontekst end før. I februar 2025 blev det annonceret, at alle fire varianter nu eropen-source. Dette gør Wan 2.1 til en af de få AI-videomodeller, der frit kan tilgås og modificeres af offentlige brugere og udviklere.
Hvad er min personlige mening om Wan 2.1?
Jeg gav Wan 2.1 et forsøg ved at teste den med et par prøvevideoer, og jeg har blandede følelser omkring den. Første gang var min prompt: "To massive drager indgår i en episk luftkamp over et middelalderligt kongerige, de slipper ild og kaos løs, mens kameraet panorerer for at vise ødelæggelsen nedenfor."
Her er den genererede video:
Scenen så flot ud – med ødelæggelse og det hele – men dragerne? Ikke så meget. De svævede bare ansigt til ansigt i luften og lavede ingenting, hvilket fik bevægelsen til at føles stiv og skuffende.
Jeg prøvede igen med en mere detaljeret prompt: "To massive drager støder sammen over et middelalderligt kongerige, skællene glimter, mens den ene dykker med kløerne flænsende, og den anden svarer med en flammende eksplosion, vingerne slår, mens de hvirvler og undviger gennem røgede himle, halerne pisker med realistisk kraft, mens kameraet skifter jævnt mellem vidvinkelbilleder af kongeriget og nærbilleder af kampen."
Denne gang var videoen meget bedre – dragernes bevægelser var dynamiske og intense, med naturlig fysik, og kameraovergangene føltes jævne og livlige.
Efter min mening har Wan 2.1 potentiale, især da den bruger VAE- og DiT-teknologi til at håndtere realistisk bevægelse godt. Men den kræver virkelig detaljerede prompts for at levere; ellers kan bevægelsen føles flad, hvilket var lidt irriterende i starten. Med lidt indsats kan den dog skabe fantastiske, dynamiske videoer.
Hvilke funktioner kan jeg bedst lide ved Wan 2.1?
Jeg kan ikke benægte, at Wan 2.1 introducerer et bredt udvalg af fremskridt, der tager Alibabas AI-videoløsning til næste niveau, selv når den sammenlignes med andre AI-videoværktøjer. Så lad mig nedbryde AI-modellens nøglestyrker, der gør den så enestående i mine øjne:
Overlegen ydeevne
Wan 2.1 anvender proprietær VAE-teknologi, der gør det muligt at rekonstruere 1080p-videoer i høj opløsning uden at gå på kompromis med jævn bevægelse. Som jeg nævnte før, bevarer den også visuelle detaljer godt, så kohærensen fra billede til billede er relativt god.
Med andre ord er der mindre risiko for at skulle bekymre sig om flimren eller forvrængning på tværs af billeder. Oven i det kan Wan 2.1's VAE-arkitektur kode og afkode videoer med utrolig høj hastighed. Det betyder, at jeg kan stole på den til at hjælpe med videoproduktion tæt på realtid.
Flersproget forståelse
Wan 2.1 er den første AI-videogenereringsmodel, der kan forstå tekstprompts på både engelsk og kinesisk. Denne tosprogede funktion kan være fantastisk til at producere animerede tekster og alle mulige overlays i videoerne.
Jeg kan også bruge Wan 2.1 til potentielt at udforme prompts til produktvideoer eller endda interaktive tutorials for lokale målgrupper med langt mere effektive resultater. Desuden giver disse robuste tekstgenereringsfunktioner den en fair fordel i forhold til andre AI-videomodeller.
Uovertruffen bevægelsesdynamik
Wan 2.1 har en imponerende mestring af bevægelsesdynamik i AI-videogenerering. Selvom jeg ikke tror, den nødvendigvis fører på visuel æstetik, opretholder denne AI-videomodel en ubestridelig balance mellem scenekonsistens, bevægelsesrealisme og rumlig præcision.
For det meste gør dette Wan 2.1 velegnet til at generere professionelle billeder, der ser ud og føles realistiske. Uanset om det er trailere, musikvideoer, animerede scener eller endda spilaktiver, er jeg overbevist om, at den kan levere jævne og troværdige resultater.
Open-source tilgængelighed
Alibaba valgte at frigive Wan 2.1 som en gratis og open-source løsning, der inkluderer alle fire varianter. Jeg sætter virkelig pris på dette, fordi det effektivt gør den mere tilgængelig for virksomheder, mærker, udviklere og skabere verden over.
Det bliver nemt at integrere Wan 2.1 og automatisere alle mulige komplekse videoproduktionsopgaver, selvom du mangler kodningsekspertise. Desuden kan jeg godt lide, at den lavere adgangsbarriere betyder, at den vil bidrage til at fremme innovation i det bredere AI-fællesskab.
Hvordan foretrækker jeg at tilgå Wan 2.1? Introduktion af Pollo AI
Du kan tilgå Wan 2.1 ved at installere den lokalt eller via udviklerens officielle hjemmeside, Wan.Video. Jeg skal dog fortælle dig, at det ikke er de nemmeste måder at bruge AI-videomodellen på.
I stedet vil jeg foreslå, at du overvejer at bruge Pollo AI. Dette er en banebrydende, alt-i-én AI-billed- og videogenereringsplatform, integreret med flere brancheførende AI-modeller. Nogle af disse inkluderer Runway, Kling AI, Pixverse, Hailuo, Luma AI, og selvfølgelig Wan AI.
Da de alle er samlet ét sted, gør det det nemt direkte at sammenligne videooutput mellem modeller.
Derudover har jeg adgang til adskillige AI-værktøjer og skabeloner på Pollo AI, der gør det nemt at oprette alle mulige brugerdefinerede videoer på et øjeblik.
Bemærkelsesværdigt er det, at Pollo AI også har en AI Short Video Generator, en alsidig AI Video Generator, herunder Image to Video og Text to Video, og en AI Avatar Generator, der giver skabere en bred vifte af kreative muligheder.
Bedst af alt tilbyder platformen meget overkommelige prisplaner, så jeg behøvede ikke at tømme pengepungen for at nyde alle dens unikke funktioner og værktøjer. Men du behøver ikke tage mit ord for det! Tjek Pollo AI gratis via dens gratis prøveperiode nu!
Mit endelige ord om Wan 2.1
Jeg finder, at Wan 2.1 kan hjælpe enhver skaber med at producere realistiske og troværdige karaktervideoer i næsten enhver visuel stil. Den står stadig over for hård konkurrence mod andre rivaler som Kling AI, men den forbliver uovertruffen med hensyn til dynamisk bevægelse og mønsterkonsistens på tværs af scener. Gå til Pollo AI nu og begynd at generere videoer med Wan 2.1 for at se, hvad den kan gøre for dig!