Alibaba libera como open source el modelo de vídeo Wan2.1-VACE 70

La noche del 14 de mayo de 2025, el equipo Tongyi Wanxiang, perteneciente a Alibaba, abrió el código fuente del modelo unificado de edición y generación de vídeo Wan2.1 - VACE. Este modelo de ia no solo puede "generar" vídeos directamente, sino que también permite realizar ediciones complejas y procesos de recreación sobre vídeos ya existentes. Además, con un único modelo es posible completar todas estas tareas, lo que te permite controlar con precisión los movimientos, posturas, dirección, composición, trayectorias de movimiento y estilo visual de los personajes del vídeo.

Ventajas principales

Wan2.1 - VACE de Wanxiang es la solución más completa en cuanto a funciones de generación de vídeo y edición disponibles en la actualidad. Con una única arquitectura de modelo puede abordar múltiples tareas de procesamiento de vídeo, como generación de vídeo a partir de texto, generación de vídeo a partir de imágenes de referencia, redibujo de vídeos, modificación local del contenido del vídeo, ampliación del fondo del vídeo y extensión de la duración. También admite la combinación de varias tareas a la vez, permitiendo a los usuarios completar ediciones de vídeo complejas en un único flujo de trabajo, lo que simplifica enormemente el proceso creativo.

Otra gran ventaja de Wan2.1-VACE es que permite a los usuarios combinar libremente varias funciones básicas de forma flexible para crear escenarios de aplicación complejos.

Este modelo está disponible en dos tamaños de parámetros: 1.3B y 14B. La versión ligera de 1.3B puede ejecutarse sin problemas en tarjetas gráficas de consumo y es capaz de generar vídeo en 480P; la versión completa de 14B admite resoluciones más altas, como 720P, con mejores resultados.

Innovación tecnológica

Este modelo introduce la nueva unidad de condicionamiento de vídeo VCU, que unifica tareas de generación y edición de vídeo como texto a vídeo, imagen a vídeo de referencia, vídeo a vídeo y vídeo local a vídeo. La VCU puede transformar diversas entradas, como texto e imágenes, en secuencias de texto, secuencias de fotogramas y secuencias de máscaras, sentando las bases para la combinación libre de múltiples tareas.

También procesa las secuencias de fotogramas introducidas en la VCU, dividiéndolas en secuencias variables e invariables para codificarlas por separado, lo que resuelve el problema de la serialización de tokens y mejora la eficiencia del procesamiento de entradas multimodales.

Aplicaciones prácticas

Con este modelo se puede transformar una imagen estática vertical de la "Mona Lisa" en un vídeo dinámico horizontal y, además, añadir gafas al personaje, completando de una sola vez tres tareas: ampliación del formato, extensión de la duración y referencia de imagen, lo que ofrece un gran espacio para la creatividad de los creadores.

Cómo descargarlo

Los desarrolladores pueden descargar y probar este modelo en plataformas como GitHub, Huggingface y la comunidad Modelscope.

• 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

La apertura del código fuente de Wan2.1 - VACE supone un gran avance en la tecnología de generación de vídeo, pasando de poder realizar únicamente una tarea individual a la combinación de varias tareas, lo que ofrece a los creadores de vídeo unas herramientas más cómodas y eficientes.