नेटिव ऑडियो-वीडियो

2.2 खुले मॉडल क्या उत्सर्जन करते हैं

• T2V-A14B / I2V-A14B / TI2V-5B मूक वीडियो।
• S2V-14B आप ऑडियो लाओ; मॉडल एनिमेशन।
• Animate-14B गति हस्तांतरण; ऑडियो उत्पन्न नहीं किया गया।

2.5+ उत्पादों में क्या शामिल है

सार्वजनिक 2.5 लेखन (fal, DashScope शैली APIs, एग्रीगेटर) संवाद, वातावरण और संगीत, 1080P के संयुक्त उत्पादन का वर्णन करते हैं, और 2.2 ~ 5 सेकंड की व्यंजनों से लंबे क्लिप। बाद में 2.6/2.7/3.0 ने मूल AV बनाए रखा और मल्टी-शॉट या संदर्भ नियंत्रण जोड़ दिया। इनमें से कोई भी Wan2.2-style GitHub चेकपॉइंट के रूप में प्रकाशित नहीं होता है।

खुले वजन के प्रतिस्थापन

Apache 2.0 / सार्वजनिक वजन पर बने रहने के लिएः मूक Wan2.2 वीडियो उत्पन्न करें, फिर फोली के लिए ThinkSound (या अन्य V2A); या बोलने वाले हेड के लिए CosyVoice के साथ S2V ड्राइव करें। यह दो (या तीन) मॉडल हैं, मूल AV नहीं।

अक्सर पूछे जाने वाले प्रश्न

क्या 2.2 GGUF जादुई रूप से ऑडियो जोड़ देगा?

संख्यात्मकता वजन dtype बदलती है, न कि आउटपुट मोडलिटी।

क्या S2V मूल AV के रूप में गिना जाता है?

नहीं. मूल AV ध्वनि संश्लेषित करता है. S2V ध्वनि खपत करता है.