Publicat la: 30 iulie 2025 / Actualizat la: 30 iulie 2025 – Autor: Konrad Wolfenstein
Ofensiva majoră a Chinei în domeniul inteligenței artificiale: Cu Wan 2.2, Alibaba își propune să depășească Occidentul – și face totul open source – Imagine: Xpert.Digital
Aceasta este noua minune AI Wan2.2 de la Alibaba: gratuită, mai puternică decât concurența și disponibilă pentru toată lumea
Răspunsul video al Chinei la Sora de la OpenAI: Această nouă inteligență artificială generează videoclipuri de calitate cinematografică - și este gratuită
Pe 29 iulie 2025, compania chineză de tehnologie Alibaba a lansat Wan2.2, o nouă versiune interesantă a modelului său open-source de generare video, schimbând fundamental peisajul inteligenței artificiale pentru producția video. Această tehnologie inovatoare reprezintă primul model open-source de generare video din lume care implementează o arhitectură Mixture-of-Experts (MoE), concepută atât pentru producția profesională de filme, cât și pentru utilizarea pe hardware standard.
Legat de asta:
Revoluție tehnologică prin arhitectura Ministerului Educației
Wan2.2 introduce pentru prima dată o arhitectură mixtă de experți în modelele de difuzie video, reprezentând o descoperire tehnologică semnificativă. Această arhitectură inovatoare utilizează un sistem dual de experți care împarte procesul de generare video în două faze specializate. Primul expert se concentrează pe etapele incipiente ale reducerii zgomotului și determină aspectul de bază al scenei, în timp ce al doilea expert se ocupă de etapele ulterioare, rafinând detaliile și texturile.
Sistemul are un total de 27 de miliarde de parametri, dar activează doar 14 miliarde de parametri per pas de inferență, reducând efortul de calcul cu până la 50% fără a compromite calitatea. Această creștere a eficienței face posibilă generarea de videoclipuri de înaltă calitate, menținând în același timp costurile de calcul constante și extinzând simultan capacitatea generală a modelului.
Estetica filmului și controlul cinematografic
O caracteristică remarcabilă a Wan2.2 este sistemul său de control estetic cinematic, care permite utilizatorilor să exercite un control precis asupra diferitelor dimensiuni vizuale. Modelul a fost antrenat pe baza unor date estetice atent selectate, inclusiv etichete detaliate pentru iluminare, compoziție, contrast, nuanță, unghiul camerei, dimensiunea imaginii, distanța focală și alți parametri cinematografici.
Această funcționalitate se bazează pe un sistem de prompturi inspirat din cinematografie, care clasifică dimensiuni cheie precum iluminarea, compoziția și culoarea. Acest lucru permite Wan2.2 să interpreteze și să implementeze cu precizie intențiile estetice ale utilizatorului în timpul procesului de generare, permițând crearea de videoclipuri cu preferințe cinematografice personalizabile.
Date avansate de antrenament și generare complexă de mișcări
Comparativ cu predecesorul său, Wan2.1, setul de date de antrenament a fost extins semnificativ: cu 65,6% mai multe date de imagine și cu 83,2% mai multe date video. Această extindere masivă a datelor îmbunătățește considerabil capacitățile de generalizare ale modelului și crește diversitatea creativă în mai multe dimensiuni, cum ar fi mișcarea, semantica și estetica.
Modelul prezintă îmbunătățiri semnificative în generarea de mișcări complexe, inclusiv expresii faciale realiste, gesturi dinamice ale mâinilor și mișcări atletice complexe. În plus, oferă randări realiste cu o ascultare îmbunătățită a comenzilor și respectarea legilor fizicii, rezultând secvențe video mai naturale și mai convingătoare.
Utilizarea eficientă a hardware-ului și accesibilitatea acestuia
Wan2.2 oferă trei variante diferite de model care acoperă cerințe și configurații hardware diferite:
- Wan2.2-T2V-A14B: Un model text-video cu 27 de miliarde de parametri (14 miliarde activi) care generează videoclipuri la rezoluție de 720p și 16 fps.
- Wan2.2-I2V-A14B: Un model imagine-video cu aceeași arhitectură pentru convertirea imaginilor statice în videoclipuri.
- Wan2.2-TI2V-5B: Un model compact cu 5 miliarde de parametri care combină funcțiile text-video și imagine-video într-un cadru unificat.
Modelul compact TI2V-5B reprezintă o descoperire semnificativă, deoarece poate genera videoclipuri de 5 secunde la rezoluție 720p în mai puțin de 9 minute pe o singură placă grafică de consum, cum ar fi RTX 4090. Această viteză îl face unul dintre cele mai rapide modele 720p@24fps disponibile, permițând atât aplicațiilor industriale, cât și cercetării academice să beneficieze de această tehnologie.
Arhitectură avansată UAE pentru compresie optimizată
Modelul TI2V-5B se bazează pe o arhitectură 3D VAE extrem de eficientă, cu un raport de compresie de 4×16×16, crescând rata generală de compresie a informațiilor la 64. Cu un strat suplimentar de patch-uri, raportul general de compresie al TI2V-5B ajunge chiar și la 4×32×32, asigurând reconstrucție video de înaltă calitate cu cerințe minime de stocare.
Această tehnologie avansată de compresie permite modelului să suporte nativ atât sarcini de tip text-video, cât și de tip imagine-video într-un cadru unic, acoperind atât cercetarea academică, cât și aplicațiile practice.
Performanța de referință și poziția pe piață
Wan2.2 a fost testat în comparație cu modele comerciale de generare video bazate pe inteligență artificială de top, inclusiv Sora, KLING 2.0 și Hailuo 02, utilizând noua suită de evaluare Wan-Bench 2.0. Rezultatele arată că Wan2.2 atinge performanțe de ultimă generație în majoritatea categoriilor și își depășește concurenții de nivel înalt.
În comparațiile directe în clasament, Wan2.2-T2V-A14B a obținut primul loc în patru dintre cele șase dimensiuni cheie de referință, inclusiv în domeniile critice ale calității estetice și dinamicii mișcării. Această realizare consacră Wan2.2 ca noul lider de piață open-source în generarea de videoclipuri de înaltă rezoluție.
Disponibilitate și integrare open-source
Wan2.2 este disponibil ca software complet open-source sub licența Apache 2.0 și poate fi descărcat de pe Hugging Face, GitHub și ModelScope. Modelele sunt deja integrate în framework-uri populare precum ComfyUI și Diffusers, permițând utilizarea fără probleme în fluxurile de lucru existente.
Modelul TI2V-5B dispune de un Hugging Face Space gata de utilizare, permițând utilizatorilor să testeze imediat tehnologia fără instalări complexe. Această accesibilitate democratizează accesul la tehnologia de generare video de ultimă generație și încurajează inovația în cadrul comunității dezvoltatorilor.
Ofensiva strategică a Chinei privind inteligența artificială
Lansarea Wan2.2 face parte dintr-o strategie chineză mai amplă de inteligență artificială open-source, care a atras deja atenția internațională cu modele precum DeepSeek. Această strategie se aliniază cu planul oficial de digitalizare al Chinei, care a promovat colaborarea open-source ca resursă națională încă din 2018 și prevede investiții guvernamentale masive în infrastructura de inteligență artificială.
Alibaba a înregistrat deja peste 5,4 milioane de descărcări ale modelelor sale de rețea umană (WAN) pe Hugging Face și ModelScope, subliniind cererea internațională puternică pentru soluții chinezești de inteligență artificială open-source. Compania planifică investiții suplimentare de aproximativ 52 de miliarde de dolari în cloud computing și infrastructură de inteligență artificială pentru a-și consolida poziția pe această piață în creștere rapidă.
Legat de asta:
Wan2.2 aduce o descoperire revoluționară în domeniul videoclipurilor bazate pe inteligență artificială: Open source la nivel profesional
Wan2.2 reprezintă un punct de cotitură în generarea de videoclipuri bazate pe inteligență artificială, oferind prima alternativă open-source la modelele proprietare, plătite, care poate concura cu soluțiile comerciale. Combinația dintre calitatea cinematografică, utilizarea eficientă a hardware-ului și disponibilitatea completă open-source poziționează modelul ca o alternativă atractivă pentru creatorii de conținut, cineaști și dezvoltatori din întreaga lume.
Lansarea este probabil să intensifice concurența în domeniul generării de videoclipuri bazate pe inteligență artificială și ar putea încuraja alte companii să adopte strategii open-source similare. Datorită capacității sale de a rula pe hardware de larg consum și de a oferi rezultate profesionale, Wan2.2 are potențialul de a democratiza producția video și de a debloca noi posibilități creative.
Prin combinarea tehnologiei avansate cu o filozofie de dezvoltare deschisă, Alibaba stabilește noi standarde în generarea de videoclipuri bazate pe inteligență artificială cu Wan2.2 și consacră China ca o forță lider în inovația globală în domeniul inteligenței artificiale. Implicațiile de anvergură ale acestei dezvoltări vor schimba fundamental modul în care videoclipurile sunt create și produse în următorii ani.
Legat de asta:
Expertul tău în transformarea, integrarea și platformele IA
☑️ Limba noastră de afaceri este engleza sau germana
☑️ NOU: Corespondență în limba ta maternă!
Konrad Wolfenstein
Eu și echipa mea suntem bucuroși să vă fim la dispoziție în calitate de consilier personal.
Mă puteți contacta completând formularul de contact de aici sau pur și simplu sunându-mă la +49 89 89 674 804 ( München) . Adresa mea de e-mail este: [email protected]
Aștept cu nerăbdare proiectul nostru comun.