We wrześmi 2024 roku Alibaba oficjalnie wypuściło swój własny model generowania wideo AI, Tongyi Waniang AI, znany również jako Wan AI. W styczniu 2025 roku Alibaba wprowadziła Wan 2.1, najnowszą iterację swojego generatora wideo AI.
Teraz firma mierzy się z silną konkurencją ze strony firm technologicznych, takich jak OpenAI i Kuaishou, ale czy Alibaba ma to, czego potrzeba, aby się wyróżnić?
Aby odpowiedzieć na to pytanie, zebrałem szczegółowy przewodnik, aby zapewnić wgląd w to, co sprawia, że Wan AI jest tak ważny w tworzeniu wizualnych treści AI.
Wan 2.1: Podstawy
Wan 2.1 wykorzystuje mieszankę technologii VAE i DiT, aby filmy wyglądały niezwykle realistycznie, poprawiając sposób poruszania się i wizualnego łączenia elementów. W zasadzie doskonale radzi sobie z odwzorowywaniem skomplikowanych ruchów z życia wziętych, z precyzyjną koordynacją ciała i płynnym ruchem.
Oznacza to, że mogę go używać do renderowania złożonych scen z postaciami, takich jak tancerka baletowa, pływanie i jazda figurowa na lodzie, z czym większość modeli AI do tworzenia wideo często sobie nie radzi. W rzeczywistości to właśnie dzięki jego zdolności do przestrzegania realistycznych trajektorii ruchu, Wan 2.1 zajmuje czołowe miejsce na liście liderów VBench generowania wideo AI.
Oprócz tego, ta nowa wersja oferuje jeszcze większe możliwości w zakresie podpowiedzi (promptów), co prowadzi do szybszych i bardziej intuicyjnych generacji. Z tego powodu mogę generować 1-minutowe filmy w rozdzielczości 1080p w około 15 sekund. Warto również wspomnieć, że Wan 2.1 ma cztery warianty: T2V-1.3B, T2V-14B, I2V-14B-480P i I2V-14B-720P.
Ponieważ obsługuje 14 miliardów parametrów (14B), model wideo AI może interpretować znacznie więcej danych wejściowych i kontekstu niż wcześniej. W lutym 2025 roku ogłoszono, że wszystkie cztery warianty są teraz open-source. To sprawia, że Wan 2.1 jest jednym z niewielu modeli wideo AI, do których publiczni użytkownicy i deweloperzy mogą swobodnie uzyskać dostęp i go modyfikować.
Jaka jest moja osobista opinia o Wan 2.1?
Wypróbowałem Wan 2.1, testując go z kilkoma przykładowymi filmami i mam mieszane uczucia. Przy mojej pierwszej próbie, mój pierwszy prompt brzmiał: "Dwa ogromne smoki toczą epicką bitwę powietrzną nad średniowiecznym królestwem, siejąc ogień i chaos, a kamera przesuwa się, pokazując zniszczenia poniżej."
Oto wygenerowany film:
Scena wyglądała świetnie - zniszczenia i wszystko inne - ale smoki? Niestety. Po prostu unosili się twarzą w twarz w powietrzu, nic nie robiąc, co sprawiło, że ruch wydawał się sztywny i rozczarowujący.
Spróbowałem ponownie z bardziej szczegółowym promptem: "Dwa ogromne smoki zderzają się nad średniowiecznym królestwem, łuski błyszczą, gdy jeden nurkuje z szalejącymi pazurami, a drugi kontruje ognistym podmuchem, skrzydła trzepoczą, gdy krążą i unikają w dymiącym niebie, ogony wymachują z realistyczną siłą, podczas gdy kamera płynnie przełącza się między szerokimi ujęciami królestwa a zbliżeniami walki."
Tym razem film był znacznie lepszy - ruchy smoków były dynamiczne i intensywne, z naturalną fizyką, a przejścia kamery były płynne i żywe.
Moim zdaniem Wan 2.1 ma potencjał, zwłaszcza że wykorzystuje technologię VAE i DiT do dobrego radzenia sobie z realistycznym ruchem. Ale naprawdę potrzebuje szczegółowych promptów, aby działać; w przeciwnym razie ruch może wydawać się płaski, co na początku było trochę irytujące. Jednak przy odrobinie wysiłku może stworzyć niesamowite, dynamiczne filmy.
Które funkcje najbardziej podobają mi się w Wan 2.1?
Nie mogę zaprzeczyć, że Wan 2.1 wprowadza szeroki zakres ulepszeń, które przenoszą rozwiązanie wideo AI firmy Alibaba na wyższy poziom, nawet w porównaniu z innymi narzędziami do tworzenia wideo AI. Pozwólcie więc, że przedstawię kluczowe mocne strony modelu AI, które czynią go moim zdaniem tak wyjątkowym:
Najwyższa wydajność
Wan 2.1 wykorzystuje autorską technologię VAE, która pozwala mu rekonstruować filmy w wysokiej rozdzielczości 1080p bez kompromisów w zakresie płynnego ruchu. Jak wspomniałem wcześniej, dobrze zachowuje również szczegóły wizualne, więc spójność klatka po klatce jest stosunkowo dobra.
Innymi słowy, istnieje mniejsze ryzyko martwienia się o migotanie lub zniekształcenia między klatkami. Co więcej, architektura VAE Wan 2.1 może kodować i dekodować wideo z niezwykle dużą prędkością. Oznacza to, że mogę polegać na nim, aby pomóc w tworzeniu wideo niemal w czasie rzeczywistym.
Wielojęzyczne rozumienie
Wan 2.1 jest pierwszym modelem generowania wideo AI zdolnym do rozumienia podpowiedzi tekstowych w językach angielskim i chińskim. Ta dwujęzyczna funkcja może być fantastyczna do tworzenia animowanych tekstów i wszelkiego rodzaju nakładek w filmach.
Mogę również używać Wan 2.1 do tworzenia podpowiedzi dla filmów produktowych lub nawet interaktywnych samouczków dla rodzimych odbiorców z znacznie skuteczniejszymi wynikami. Ponadto te solidne możliwości generowania tekstu dają mu znaczną przewagę nad innymi modelami wideo AI.
Niezrównana dynamika ruchu
Wan 2.1 posiada imponujące opanowanie dynamiki ruchu w generowaniu wideo AI. Chociaż nie sądzę, żekoniecznie przewodzi w estetyce wizualnej, ten model wideo AI utrzymuje niezaprzeczalną równowagę między spójnością sceny, realizmem ruchu i precyzją przestrzenną.
Przede wszystkim sprawia to, że Wan 2.1 doskonale nadaje się do generowania profesjonalnych wizualizacji, które wyglądają i czują się realistycznie. Niezależnie od tego, czy są to zwiastuny, teledyski, animowane sceny, czy nawet zasoby do gier, jestem przekonany, że może on dostarczyć płynne i wiarygodne wyniki.
Dostępność Open-Source
Alibaba zdecydowała się udostępnić Wan 2.1 jako darmowe rozwiązanie open-source, które obejmuje wszystkie cztery warianty. Naprawdę to doceniam, ponieważ czyni go to bardziej dostępnym dla firm, marek, deweloperów i twórców na całym świecie.
Łatwo jest zintegrować Wan 2.1 i zautomatyzować wszelkiego rodzaju złożone zadania związane z tworzeniem wideo, nawet jeśli nie masz żadnej wiedzy programistycznej. Ponadto podoba mi się to, że niższy próg wejścia oznacza, że przyczyni się to do promowania innowacji w szerszej społeczności AI.
Jak najlepiej uzyskać dostęp do Wan 2.1? Przedstawiamy Pollo AI
Możesz uzyskać dostęp do Wan 2.1, instalując go lokalnie lub za pośrednictwem oficjalnej strony dewelopera, Wan.Video. Jednak muszę powiedzieć, że nie są to najłatwiejsze sposoby korzystania z modelu wideo AI.
Zamiast tego sugerowałbym rozważenie użycia Pollo AI. Jest to najnowocześniejsza platforma typu "wszystko w jednym" do generowania obrazów i wideo AI, zintegrowana z kilkoma wiodącymi w branży modelami AI. Niektóre z nich to Runway, Kling AI, Pixverse, Hailuo, Luma AI, i oczywiście Wan AI.
Ponieważ wszystko jest w jednym miejscu, łatwo jest bezpośrednio porównywać wyniki wideo między modelami.
Ponadto, mam dostęp do licznych narzędzi i szablonów AI na Pollo AI, które ułatwiają błyskawiczne tworzenie wszelkiego rodzaju niestandardowych filmów.
Warto zauważyć, że Pollo AI oferuje również Generator Krótkich Filmów AI, wszechstronny Generator Wideo AI, w tym Obraz do Wideo i Tekst do Wideo, oraz Generator Avatarów AI, dając twórcom szeroki zakres opcji kreatywnych.
Co najważniejsze, platforma oferuje bardzo przystępne plany cenowe, więc nie musiałem wydawać fortuny, aby korzystać ze wszystkich jej unikalnych funkcji i narzędzi. Ale nie musicie mi wierzyć na słowo! Sprawdźcie Pollo AI za darmo, korzystając z bezpłatnego okresu próbnego już teraz!
Moje ostateczne zdanie na temat Wan 2.1
Uważam, że Wan 2.1 może pomóc każdemu twórcy w produkcji realistycznych i wiarygodnych filmów z postaciami w niemal każdym stylu wizualnym. Nadal mierzy się z silną konkurencją ze strony innych rywali, takich jak Kling AI, ale pozostaje niepokonany pod względem dynamiki ruchu i spójności wzorców w scenach. Przejdźcie do Pollo AI i zacznijcie generować filmy z Wan 2.1, aby zobaczyć, co potrafi dla Was!