I september 2024 lanserte Alibaba offisielt sin proprietære AI-videogenereringsmodell, Tongyi Waniang AI, også referert til som Wan AI. I januar 2025 introduserte Alibaba Wan 2.1, den nyeste iterasjonen av sin AI-videogenerator.
Nå står de overfor sterk konkurranse fra teknologiselskaper som OpenAI og Kuaishou, men har Alibaba det som trengs for å skille seg ut?
For å svare på dette, har jeg satt sammen en dyptgående guide som gir innsikt i hva som gjør Wan AI så viktig innen AI-visuell innholdsproduksjon.
Wan 2.1: Grunnleggende om modellen
Wan 2.1 bruker en kombinasjon av VAE og DiT-teknologi for å gjøre videoer superrealistiske ved å forbedre hvordan ting beveger seg og kobles sammen visuelt. I utgangspunktet er den flink til å kopiere vanskelige, virkelige bevegelser med presis kroppskoordinasjon og jevn bevegelse.
Dette betyr at jeg kan bruke den til å gjengi komplekse karakterscener som dansende, svømmende og kunstløpende ballettdansere, noe de fleste AI-videomodeller ofte feiler på. Faktisk, på grunn av dens evne til å følge realistiske bevegelsesbaner, ligger Wan 2.1 på toppen av VBench-ledertavlen for AI-videogenerering VBench leaderboard.
I tillegg kommer denne nye versjonen med enda større promptingsmuligheter, som gir raskere og mer intuitive generasjoner. Av denne grunn kan jeg generere 1-minutts videoer i 1080p-oppløsning på omtrent 15 sekunder. Det er også verdt å merke seg at Wan 2.1 har fire varianter: T2V-1.3B, T2V-14B, I2V-14B-480P og I2V-14B-720P.
Siden den støtter 14 milliarder parametere (14B), kan AI-videomodellen tolke langt mer input og kontekst enn før. I februar 2025 ble det kunngjort at alle fire varianter nå er åpen kildekode. Dette gjør Wan 2.1 til en av få AI-videomodeller som kan fritt aksesseres og modifiseres av offentlige brukere og utviklere.
Hva er min personlige mening om Wan 2.1?
Jeg ga Wan 2.1 en sjanse ved å teste den med noen prøvevideoer, og jeg har blandede følelser rundt den. Første gang var min første prompt: «To massive drager engasjerer seg i en episk luftkamp over et middelaldersk rike, slipper løs ild og kaos, mens kameraet panorerer for å vise ødeleggelsen nedenfor.»
Her er den genererte videoen:
Scenen så flott ut – med ødeleggelsen og alt – men dragene? Ikke så mye. De svevde bare ansikt til ansikt i luften, uten å gjøre noe, noe som gjorde bevegelsen stiv og skuffende.
Jeg prøvde igjen med en mer detaljert prompt: «To massive drager kolliderer over et middelaldersk rike, skjellene glitrer mens den ene dykker med klørne som slår, og den andre kontrer med en ildkule, vinger som slår mens de spiraliserer og unnviker gjennom røykfylte himler, halene pisker med realistisk kraft, mens kameraet skifter jevnt mellom vidvinkelbilder av riket og nærbilder av kampen.»
Denne gangen var videoen mye bedre – dragens bevegelser var dynamiske og intense, med naturlig fysikk, og kameratransisjonene føltes jevne og livlige.
Etter min mening har Wan 2.1 potensial, spesielt siden den bruker VAE- og DiT-teknologi for å håndtere realistisk bevegelse godt. Men den trenger virkelig detaljerte prompter for å levere; ellers kan bevegelsen føles flat, noe som var litt irriterende i starten. Med litt innsats kan den imidlertid skape fantastiske, dynamiske videoer.
Hvilke funksjoner liker jeg best med Wan 2.1?
Jeg kan ikke nekte for at Wan 2.1 introduserer et bredt spekter av fremskritt som tar Alibabas AI-video-løsning til neste nivå, selv når den sammenlignes med andre AI-videoverktøy. Så la meg bryte ned AI-modellens viktigste styrker som gjør den så enestående i mine øyne:
Overlegen ytelse
Wan 2.1 bruker proprietær VAE-teknologi som gjør det mulig å rekonstruere 1080p-videoer med høy oppløsning uten å kompromittere jevn bevegelse. Som jeg nevnte tidligere, bevarer den også visuelle detaljer godt, så koherensen bilde-til-bilde er relativt god.
Med andre ord, det er mindre risiko for å måtte bekymre seg for flimring eller forvrengning på tvers av bilder. På toppen av det kan Wan 2.1s VAE-arkitektur kode og dekode videoer med en utrolig rask hastighet. Dette betyr at jeg kan stole på den for å hjelpe med nesten sanntids videoproduksjon.
Flerspråklig forståelse
Wan 2.1 er den første AI-videogenereringsmodellen som kan forstå tekst-prompter på både engelsk og kinesisk, som er morsmål. Denne tospråklige funksjonen kan være fantastisk for å produsere animerte tekster og alle slags overlegg i videoene.
Jeg kan også bruke Wan 2.1 til å lage prompter for produktvideoer eller til og med interaktive veiledninger for lokale målgrupper med mye mer effektive resultater. I tillegg gir disse robuste tekstgenereringsegenskapene den en god fordel over andre AI-videomodeller.
Uovertruffen bevegelsesdynamikk
Wan 2.1 har en imponerende mestring av bevegelsesdynamikk innen AI-videogenerering. Selv om jeg ikke tror den nødvendigvis leder an innen visuell estetikk, opprettholder denne AI-videomodellen en ubestridelig balanse mellom scenekonsistens, bevegelsesrealisme og romlig presisjon.
For det meste gjør dette Wan 2.1 godt egnet for å generere profesjonelle visuelle elementer som ser og føles realistiske. Enten det er trailere, musikkvideoer, animerte scener eller til og med spillressurser, er jeg trygg på at den kan levere jevne og troverdige resultater.
Tilgjengelighet med åpen kildekode
Alibaba valgte å gi ut Wan 2.1 som en gratis løsning med åpen kildekode, som inkluderer alle fire varianter. Jeg setter virkelig pris på dette fordi det effektivt gjør den mer tilgjengelig for bedrifter, merker, utviklere og skapere over hele verden.
Det blir enkelt å integrere Wan 2.1 og automatisere alle slags komplekse videoproduksjonsoppgaver, selv om du mangler kodingsekspertise. I tillegg liker jeg hvordan den lavere terskelen for inngang betyr at den vil bidra til å fremme innovasjon i det bredere AI-samfunnet.
Hvordan foretrekker jeg å få tilgang til Wan 2.1? Vi introduserer Pollo AI
Du kan få tilgang til Wan 2.1 ved å installere den lokalt eller via utviklerens offisielle nettsted, Wan.Video. Jeg bør imidlertid fortelle deg at dette ikke er de enkleste måtene å bruke AI-videomodellen på.
I stedet vil jeg foreslå at du vurderer å bruke Pollo AI. Dette er en banebrytende, alt-i-ett AI-bilde- og videogenereringsplattform, integrert med flere bransjeledende AI-modeller. Noen av disse inkluderer Runway, Kling AI, Pixverse, Hailuo, Luma AI, og selvfølgelig Wan AI.
Siden de er samlet på ett sted, gjør dette det enkelt å direkte sammenligne videoresultatene mellom modeller.
I tillegg kan jeg få tilgang til en rekke AI-verktøy og maler på Pollo AI som gjør det enkelt å lage alle slags egendefinerte videoer på et øyeblikk.
Merkelig nok tilbyr Pollo AI også en AI Short Video Generator, en allsidig AI Video Generator, inkludert Image to Video og Text to Video, og en AI Avatar Generator, som gir skapere et bredt spekter av kreative alternativer.
Det beste av alt er at plattformen tilbyr svært rimelige prisplaner, så jeg trengte ikke å blakke meg for å nyte alle dens unike funksjoner og verktøy. Men du trenger ikke å ta mitt ord for det! Sjekk ut Pollo AI kostnadsfritt via den gratis prøveperioden nå!
Mitt endelige ord om Wan 2.1
Jeg synes at Wan 2.1 kan hjelpe enhver skaper med å produsere realistiske og troverdige karaktervideoer i nesten enhver visuell stil. Den står fortsatt overfor sterk konkurranse mot andre rivaler som Kling AI, men den forblir uslåelig når det gjelder dynamisk bevegelse og mønsterkonsistens på tvers av scener. Gå til Pollo AI nå og begynn å generere videoer med Wan 2.1 for å se hva den kan gjøre for deg!