Drehbuch-Assistent▸ 
AI Apps 
AI Nachrichten Alibaba veröffentlicht das Videomodell Wan2.1-VACE als Open Source
小编 ·
Alibaba veröffentlicht das Videomodell Wan2.1-VACE als Open Source
Am Abend des 14. Mai 2025 hat das Wan-Team (Tongyi Wanxiang) von Alibaba das vereinheitlichte Video-Bearbeitungs- und Generierungsmodell Wan2.1 - VACE als Open Source veröffentlicht. Dieses KI-Modell kann nicht nur Videos direkt „erzeugen", sondern auch umfangreiche Bearbeitungen und Neugestaltungen an bestehenden Videos vornehmen. Darüber hinaus erledigt ein einziges Modell all diese Aufgaben – Sie können die Bewegungen, Posen, Richtungen, Komposition, Bewegungspfade, Stile und mehr der Figuren im Video präzise steuern.
Kernvorteile
Wan2.1 - VACE ist derzeit die umfassendste Lösung für Video-Generierung und -Bearbeitung. Eine einzige Modellarchitektur bewältigt zahlreiche Videoverarbeitungsaufgaben, wie Text-zu-Video, Referenzbild-zu-Video, Video-Neugestaltung, lokale Videobearbeitung, Erweiterung des Videohintergrunds und Verlängerung der Videodauer. Zudem unterstützt es die gleichzeitige Ausführung mehrerer Aufgaben, sodass Nutzer komplexe Videobearbeitungen in einem einzigen Workflow durchführen können – der kreative Prozess wird dadurch erheblich vereinfacht.
Ein weiterer großer Vorteil von Wan2.1-VACE besteht darin, dass Nutzer mehrere Basisfunktionen frei kombinieren und flexibel zusammenstellen können, um komplexe Anwendungsszenarien zu schaffen.
Dieses Modell ist in zwei Parametergrößen erhältlich: 1.3B und 14B. Die schlanke 1.3B-Version läuft flüssig auf Consumer-Grafikkarten und liefert Videos in 480P; die leistungsstarke 14B-Vollversion unterstützt höhere Auflösungen wie 720P und liefert eine bessere Qualität.
Technische Innovation
Dieses Modell führt eine neuartige Video Condition Unit (VCU) ein, die Aufgaben wie Text-zu-Video, Referenzbild-zu-Video, Video-zu-Video und lokales Video-zu-Video in einem einheitlichen Framework zusammenführt. Die VCU kann verschiedene Eingaben wie Text und Bilder in Text-, Frame- und Mask-Sequenzen umwandeln und legt damit den Grundstein für die freie Kombination mehrerer Aufgaben.
Darüber hinaus verarbeitet sie die in die VCU eingegebenen Frame-Sequenzen, indem sie diese in veränderliche und unveränderliche Sequenzen aufteilt und separat kodiert. Dies löst das Problem der Token-Serialisierung und steigert die Effizienz der Verarbeitung multimodaler Eingaben.
Praxisrelevante Anwendungen
Mit diesem Modell lässt sich ein statisches, hochformatiges Bild der „Mona Lisa" in ein dynamisches Querformat-Video verwandeln und der Figur eine Brille hinzufügen – so werden in einem Schritt drei Aufgaben gleichzeitig erledigt: Bildeweiterung, Verlängerung der Dauer und Bildreferenz. Das eröffnet den Kreativen einen großen Spielraum für ihre Ideen.
Download-Möglichkeiten
Entwickler können dieses Modell auf den Plattformen GitHub, Hugging Face und ModelScope herunterladen und ausprobieren.
GitHub：https://github.com/Wan-Video/Wan2.1
HuggingFace：https://huggingface.co/Wan-AI
魔搭社区：https://www.modelscope.cn/organization/Wan-AI?tab=model
Mit der Open-Source-Veröffentlichung von Wan2.1 - VACE macht die Video-Generierungstechnologie einen großen Sprung von der Bewältigung einzelner Aufgaben hin zur Kombination mehrerer Aufgaben und bietet Video-Kreativen ein deutlich bequemeres und effizienteres Werkzeug.
