Wan

Wan：开放和高级大规模视频生成模型。 在此存储库中，我们提出了WAN2.1，这是一套全面开放的视频基础模型，它突破了视频生成的界限。 WAN2.1提供了以下关键功能： SOTA性能：WAN2.1始终优于多个基准测试的现有开源模型和最先进的商业解决方案。 支持消费级GPU：T2V-1.3B型号仅需要8.19 GB VRAM，使其与几乎所有消费级GPU兼容。它可以在大约4分钟内在RTX 4090上生成5秒的480p视频（无需量化等优化技术）。它的性能甚至可以与某些封闭式模型相媲美。 多个任务：WAN2.1在文本到视频，图像到视频，视频编辑，文本到图像和视频对审计方面都表现出色，从而推进了视频生成领域。 视觉文本生成：WAN2.1是第一个能够生成中文和英语文本的视频模型，具有强大的文本生成，可增强其实际应用。 功能强大的视频VAE：Wan -vae提供出色的效率和性能，编码和解码任何长度的1080p视频，同时保留时间信息，使其成为视频和图像生成的理想基础。

Wan是一个开源且先进的大规模视频生成模型，提供全面的视频基础模型套件，在文本到视频、图像到视频、视频编辑等多种任务上表现卓越，并支持生成中英文文本。