النقاط الرئيسية
Wan 2.1:
الهندسة المعمارية: يستخدم محول الانتشار و Wan-VAE الجديد لتشفير الفيديو بدقة 1080P مع الحفاظ على التناسق المكاني-الزماني.
القدرات: متعدد الوسائط (نص/صورة إلى فيديو، تحرير، فيديو إلى صوت)، توليد نص ثنائي اللغة.
الكفاءة: يعمل على 8.19 جيجابايت VRAM، مما يجعله متاحًا لوحدات معالجة رسوميات متوسطة المدى.
السرعة: يُنشئ فيديوهات مدتها 5 ثوانٍ بدقة 480P في حوالي 4 دقائق (RTX 4090).
HunyuanVideo:
الهندسة المعمارية: يستفيد من Causal 3D VAE ومحول ثنائي التدفق لتوليف الصور والفيديو بشكل موحد.
القدرات: توافق فائق بين النص والفيديو، تنوع في الحركة، واستقرار؛ يتضمن نموذج إعادة كتابة المطالبات.
الأجهزة: يتطلب 60–80 جيجابايت من ذاكرة GPU (720p)، موجه للاستوديوهات عالية الأداء.
السرعة: محسّن عبر xDiT parallel inference لتوليد أسرع، 2-3 دقائق لكل مقطع بجودة كاملة.
تطورت نماذج توليد الفيديو بشكل كبير، حيث تدفع المشاريع مفتوحة المصدر مثل HunyuanVideo وWan2.1 حدود الابتكار. يتميز HunyuanVideo كنموذج أساسي مفتوح المصدر رائد لتوليد الفيديو، مما ينافس أفضل البدائل المغلقة. في الوقت نفسه، يوفر Wan2.1 مجموعة شاملة وقوية من النماذج الأساسية المفتوحة لتوليد الفيديو. كلاهما يستخدم تقنيات متطورة لإنتاج فيديوهات عالية الجودة، مما يتيح تخصيصًا وتحسينًا واسعًا.
ابدأ تجربة مجانية على Novita AI اليوم. لدمج Wan 2.1 وHunyuan Video API، قم بزيارة وثائق المطور لمزيد من التفاصيل.
تقدم Novita أسعارًا تنافسية للغاية في السوق.
على سبيل المثال، فيديو Wan 2.1 بدقة 720P لمدة 5 ثوانٍ يكلف فقط 0.4 دولار لكل فيديو
بينما فيديو مماثل على Replicate يكلف 2.39 دولار لكل فيديو
Wan2.1
- مفتوح المصدر: نعم
- القدرات:
- يوفر إمكانيات توليد متعددة الوسائط، بما في ذلك:
- نص إلى فيديو
- صورة إلى فيديو
- تحرير الفيديو
- نص إلى صورة
- فيديو إلى صوت
- يدعم توليد نص ثنائي اللغة بـ الصينية والإنجليزية.
- يعمل بواسطة Wan-VAE، ويمكنه تشفير وفك تشفير فيديوهات بدقة 1080P بأي طول مع الحفاظ على التناسق الزمني.
- يوفر إمكانيات توليد متعددة الوسائط، بما في ذلك:
HunyuanVideo
- مفتوح المصدر: نعم
- القدرات:
- يدعم توليد نص إلى فيديو.
- يتضمن نموذج إعادة كتابة المطالبات لتحسين وتكييف مطالبات المستخدم.
الهندسة المعمارية
| الميزة | Wan2.1 | HunyuanVideo |
|---|---|---|
| الهندسة المعمارية | نموذج محول الانتشار | Causal 3D VAE لضغط المساحة الكامنة مكانياً-زمانياً |
| المساحة الكامنة | مشفر تلقائي متغير مكاني-زماني (VAE) يسمى Wan-VAE | يضغط بيانات الفيديو والصورة في مساحة كامنة مضغوطة باستخدام 3D VAE مع CausalConv3D |
| تشفير النص | مشفر T5 لإدخال نص متعدد اللغات | نموذج لغة كبير متعدد الوسائط (MLLM) |
| تصميم المحول | الانتباه المتقاطع في كل كتلة محول لتضمين النص في بنية النموذج | محول “ثنائي التدفق إلى أحادي التدفق” لتوليد الصور والفيديو بشكل موحد |
- Wan 2.1، من ناحية أخرى، يعزز توليد الترجمة باستخدام مشفر T5 وآلية الانتباه المتقاطع، مع دعم قوي لتوليد الفيديو الطويل باستخدام Wan-VAE ونموذج محول الانتشار.
- HunyuanVideo يحسن بشكل كبير دقة النص إلى فيديواستقرار التوليد من خلال Causal 3D VAE ونموذج إعادة كتابة المطالبات وضغط المساحة الكامنة.
متطلبات الأجهزة
Wan2.1
Wan2.1 أكثر كفاءة من حيث الأجهزة بشكل ملحوظ، خاصة للمهام ذات الدقة المنخفضة. إنه مُصمم ليكون متاحًا للمستخدمين ذوي الموارد المحدودة مع دعم توليد فيديو عالي الجودة. النقاط الرئيسية:
- متطلبات GPU:
- يتطلب نموذج T2V-1.3B (نص إلى فيديو) فقط 8.19 جيجابايت من VRAM، مما يجعله متاحًا لوحدات مثل RTX 3060 أو RTX 4060.
- النماذج ذات الدقة الأعلى (مثل نماذج 14B) تتطلب وحدات GPU أقوى، مثل RTX 3090 وRTX 4090 أو A100، لكن هذه المتطلبات لا تزال أقل مقارنة بـ HunyuanVideo.
| اسم النموذج | الوظيفة | دعم الدقة | حجم النموذج | متطلبات الأجهزة | وحدة GPU الموصى بها |
|---|---|---|---|---|---|
| T2V-14B | نص إلى فيديو (T2V) | 480P / 720P | 14B | ⭐⭐⭐⭐ | A100 / RTX 3090 / RTX 4090 |
| I2V-14B-720P | صورة إلى فيديو (I2V) | 720P | 14B | ⭐⭐⭐⭐ | A100 / RTX 3090 / RTX 4090 |
| I2V-14B-480P | صورة إلى فيديو (I2V) | 480P | 14B | ⭐⭐⭐ | RTX 3090 / RTX 4070 Ti |
| T2V-1.3B | نص إلى فيديو (T2V) | دقة منخفضة | 1.3B | ⭐⭐ | RTX 3060 / RTX 4060 أو أعلى |
HunyuanVideo
HunyuanVideo لديه متطلبات أجهزة أعلى، حيث أنه مُصمم للتعامل مع مهام توليد فيديو عالية الدقة ومعقدة. فيما يلي النقاط الرئيسية بخصوص متطلبات الأجهزة:
- متطلبات GPU:
- يتطلب وحدة GPU من NVIDIA مع دعم CUDA.
- لدقة 720×1280 و129 إطارًا، يتطلب ما لا يقل عن 60 جيجابايت من ذاكرة GPU.
- لدقة 544×960، يتطلب ما لا يقل عن 45 جيجابايت من ذاكرة GPU.
- يُوصى باستخدام وحدة GPU بسعة 80 جيجابايت (مثل NVIDIA A100) للحصول على أداء مثالي.
HunyuanVideo مُصمم للأجهزة عالية الأداء، حيث يتطلب ذاكرة VRAM كبيرة (45–80 جيجابايت)، مما يجعله مناسبًا للمستخدمين الذين لديهم إمكانية الوصول إلى وحدات GPU عالية الأداء (مثل NVIDIA A100 أو ما يعادلها). إنه أكثر ملاءمة للمهام التي تتطلب توليد فيديو عالي الدقة وتسلسلات أطول.
Wan2.1 أكثر توفرًا للمستخدمين ذوي وحدات GPU القياسية، خاصة لمهام مثل توليد الفيديو من النص بدقة منخفضة. يحتاج نموذج T2V-1.3B فقط إلى 8.19 جيجابايت VRAM، مما يجعله مثاليًا للمستخدمين ذوي وحدات GPU متوسطة المدى مثل RTX 3060 أو RTX 4060. ومع ذلك، للدقة الأعلى (720P أو أكبر)، يُوصى باستخدام وحدات GPU أقوى.
تقييم المخرجات
1. جودة الفيديو - الدقة
- Wan2.1:
- يدعم توليد فيديو بدقة 480P و720P.
- HunyuanVideo:
- تم تقييمه بناءً على التوافق مع النص وجودة الحركة والجودة البصرية.
- يدعم دقة تصل إلى 720P.
2. الإبداع
- Wan2.1:
- يوسع المطالبات لتشمل تفاصيل أكثر ثراءً في الفيديوهات المُولدة.
- يركز على تحسين المخرجات الإبداعية من خلال إثراء عملية توليد الفيديو.
- HunyuanVideo:
- يتميز بـ أنماط إعادة كتابة المطالبات لفهم نية المستخدم بشكل أفضل.
- يعزز الجودة البصرية من خلال تحسين فهم المطالبات.
3. السرعة
- Wan2.1:
- يُنشئ فيديو مدته 5 ثوانٍ بدقة 480P على RTX 4090 في حوالي 4 دقائق (بدون تقنيات تحسين).
- HunyuanVideo:
- يستخدم كود استدلال متوازي مدعوم من xDiT، مما يتيح توليد فيديو أسرع.
- متوسط سرعة التوليد: 2-3 دقائق لكل مقطع بجودة كاملة.
- Wan2.1: يتفوق في المخرجات الإبداعية وتنوع المطالبات، مما يجعله مثاليًا للمستخدمين الذين يبحثون عن توليد فيديو غني ومفصل، رغم أنه أبطأ قليلاً.
- HunyuanVideo: مناسب للمستخدمين الذين يفضلون جودة الفيديو وسرعات التوليد الأسرع والمرونة في تخصيص الفيديو.
التطبيقات
Wan2.1
إنشاء فيديو متعدد الوسائط
- التطبيق: مثالي لإنشاء فيديوهات تجمع بين وسائط متعددة، مثل دمج النصوص والصور وعناصر بصرية أخرى في مخرجات متماسكة.
- السبب: يتميز Wan 2.1 في التوليد متعدد الوسائط، مما يجعله مناسبًا لمحتوى الفيديو الإبداعي والديناميكي حيث تكون المدخلات المتنوعة مطلوبة.
فيديوهات مع توليد تلقائي للترجمة
- التطبيق: مثالي لإنتاج فيديوهات تحتوي على ترجمة تلقائية، مثل الدروس التعليمية أو فيديوهات الشرح أو محتوى وسائل التواصل الاجتماعي.
- السبب: قدرة Wan 2.1 على توليد الترجمات مباشرة تحسن الوصول وتوفر الوقت في مرحلة ما بعد الإنتاج.
محتوى وسائل التواصل الاجتماعي بديناميكيات بصرية محسنة
- التطبيق: مناسب لإنشاء فيديوهات جذابة لوسائل التواصل الاجتماعي حيث تكون العناصر متعددة الوسائط مثل تراكيب النص ورسوم متحركة للترجمة ضرورية (مثل TikTok, Instagram).
- السبب: تركيزه على دمج المدخلات متعددة الوسائط يسمح بفيديوهات قصيرة ديناميكية وجذابة بصريًا.
HunyuanVideo
توليد فيديو يركز على النص
- التطبيق: مثالي للفيديوهات حيث يكون التركيز الأساسي على تفسير المحتوى النصي بدقة وتمثيله بصريًا، مثل العروض التقديمية للشركات أو الفيديوهات التعليمية.
- السبب: فهم Hunyuan الفائق للنص يضمن توافقًا دقيقًا بين مطالبات الإدخال ومخرجات الفيديو النهائية.
فيديوهات توضيحية أو تعليمية احترافية
- التطبيق: الأفضل لإنشاء فيديوهات توضيحية أو أدلة إرشادية واضحة وموجزة واحترافية.
- السبب: قوة Hunyuan في فهم النص تضمن ترجمة الأفكار والتعليمات المعقدة بشكل فعال إلى صيغة فيديو.
فيديوهات العلامات التجارية أو التسويق عالية الجودة
- التطبيق: مناسب لصياغة محتوى تسويقي عالي الدقة واحترافي حيث توجه المطالبات النصية عناصر السرد أو العلامة التجارية.
- السبب: قدرة Hunyuan على فهم النص بعمق تمكن من إنشاء فيديوهات تتوافق بشكل وثيق مع رسائل العلامة التجارية أو الحملة التسويقية.
نسخة مبسطة
نقوم الآن باختبار النموذجين عن طريق إدخال نفس النص للحث لتقييم فهمهما للنص والمخرجات النهائية للفيديو.
المطالبة: تصوير سريالي حي، قضاعة نشيطة تقفز في بحيرة صافية بدهشة، مما يثير على الفور طبقات من التموجات. تخرج رأسها ببراعة من الماء، وفرائها المبلل يلتصق بجسدها، قطرات ماء بلورية تنزلق على خديها المستديرين. تنظر القضاعة إلى الأمام بفضول، مع رفع زوايا فمها قليلًا، كما لو كانت تشارك سعادتها مع المشاهد. عدسة عين السمكة تلتقط هذا المنظور الفريد، مع ضوء طبيعي يسقط بلطف وبريق دقيق على سطح الماء. الصورة العامة تقدم ألوانًا ناعمة، مع التركيز على جمال القضاعة الطبيعي وتعبيرها الحيوي. نسيج عالي الدقة وتكوين متوسط المسافة يخلقان جوًا غامرًا.
wan 2.1
Hunyuan
المطالبة: تصوير فني بإضاءة خلفية، العارضة تقف في وهج الغروب الذهبي، مع خطوط واضحة، مثل صورة ظلية. الحرير الخفيف والشفاف ملفوف حول العارضة، يُرفرف بلطف في النسيم، يتداخل مع الضوء الذهبي، مما يخلق تأثير هالة أحلام. تعبير العارضة هادئ ووضعيتها أنيقة، كما لو كانت غارقة في عالمها الخاص. الخلفية هي أفق ضبابي، وشمس الغروب تملأ الأرض. التباين العالي ومعالجة الضوء والظل الدقيقة تظهر مهارات المصور الفائقة. تكوين متوسط، تم التصوير من الجانب ضد الضوء، مع التركيز على الخطوط والأجواء
Wan 2.1
Hunyuan
استكشف Wan 2.1 وعرض Hunyuan Video Demo الآن
يمثل HunyuanVideo وWan2.1 تقدمًا كبيرًا في توليد الفيديو، حيث يعرضان هندسات معمارية مبتكرة وقدرات قوية ومخرجات عالية الجودة. من خلال الاستفادة من تقنيات مثل 3D VAEs ومحولات الانتشار وتدريب البيانات على نطاق واسع، تدفع هذه النماذج حدود إنشاء المحتوى البصري. مرونتها في التخصيص والتحسين تجعلها أدوات قيمة لدفع الابتكار عبر الصناعات مثل الإعلام والتعليم والإعلان.
Novita AI هي منصة سحابية شاملة تمكن طموحاتك في الذكاء الاصطناعي. واجهات برمجة تطبيقات متكاملة، بدون خادم، مثيل GPU — الأدوات الفعالة من حيث التكلفة التي تحتاجها. تخلص من البنية التحتية، ابدأ مجانًا، وحقق رؤيتك في الذكاء الاصطناعي.
