Assistant scénario▸ 
Apps AI 
Actualités AI Alibaba passe en open source le modèle vidéo Wan2.1-VACE
小编 ·
Alibaba passe en open source le modèle vidéo Wan2.1-VACE
Dans la soirée du 14 mai 2025, l'équipe Tongyi Wanxiang, rattachée à Alibaba, a open-sourcé le modèle unifié d'édition et de génération vidéo Wan2.1 - VACE. Ce modèle d'IA permet non seulement de « générer » directement des vidéos, mais aussi d'effectuer diverses opérations complexes d'édition et de recréation sur des vidéos existantes. De plus, un seul modèle suffit pour accomplir toutes ces tâches : vous pouvez contrôler avec précision les actions, les postures, les orientations, la composition, les trajectoires de mouvement et le style des personnages dans la vidéo.
Avantages clés
Wan2.1 - VACE est actuellement la solution la plus complète en matière de génération vidéo et d'édition. Une seule architecture de modèle permet de gérer de nombreuses tâches de traitement vidéo, telles que la génération de vidéos à partir de texte, la génération de vidéos à partir d'images de référence, le redessinage de vidéos, la modification locale du contenu vidéo, l'extension de l'arrière-plan vidéo et l'allongement de la durée. Il prend également en charge l'exécution simultanée de plusieurs tâches : les utilisateurs peuvent ainsi effectuer des montages vidéo complexes au sein d'un seul flux de travail, ce qui simplifie considérablement le processus créatif.
Par ailleurs, l'un des grands avantages de Wan2.1-VACE est qu'il permet aux utilisateurs de combiner librement plusieurs fonctions de base et de les associer de manière flexible afin de créer des scénarios d'application complexes.
Ce modèle est disponible en deux tailles de paramètres : 1.3B et 14B. La version légère 1.3B peut fonctionner de manière fluide sur une carte graphique grand public et produire des vidéos en 480P ; la version complète 14B prend en charge des résolutions plus élevées, comme la 720P, avec une meilleure qualité.
Innovations techniques
Ce modèle introduit une toute nouvelle Unité de Conditionnement Vidéo (VCU), qui unifie des tâches de génération et d'édition vidéo telles que la génération vidéo à partir de texte, la génération vidéo à partir d'images, la génération vidéo à partir de vidéo et la génération vidéo locale. La VCU peut convertir diverses entrées, comme du texte, des images, etc., en séquences de texte, de frames et de masques, jetant ainsi les bases de la libre combinaison de plusieurs tâches.
Elle traite également les séquences de frames fournies en entrée à la VCU en les divisant en séquences variables et non variables, encodées séparément, ce qui résout le problème de la tokenisation et améliore l'efficacité du traitement des entrées multimodales.
Applications concrètes
Grâce à ce modèle, une image statique verticale de la « Joconde » peut être transformée en une vidéo dynamique au format paysage, et l'on peut ajouter des lunettes au personnage. Trois tâches — extension du format, allongement de la durée et référence d'image — sont ainsi réalisées en une seule fois, offrant un espace considérable à la créativité des créateurs.
Téléchargement
Les développeurs peuvent télécharger et tester ce modèle sur GitHub, Hugging Face ainsi que sur la communauté ModelScope.
GitHub :https://github.com/Wan-Video/Wan2.1
HuggingFace :https://huggingface.co/Wan-AI
Communauté ModelScope :https://www.modelscope.cn/organization/Wan-AI?tab=model
L'open-sourcing de Wan2.1 - VACE marque une avancée significative pour la technologie de génération vidéo, qui passe de la simple exécution d'une tâche unique à la combinaison de plusieurs tâches, offrant aux créateurs vidéo des outils plus pratiques et plus efficaces.
