व्हिडिओ निर्मितीसाठी प्रगत एआय मॉडेल आता ओपन-सोर्स-रीड

डब्ल्यूएएन 2.1 चार आवृत्त्यांमध्ये येते: टी 2 व्ही -1.3 बी, टी 2 व्ही -14 बी, आय 2 व्ही -14 बी -720 पी आणि आय 2 व्ही -14 बी -480 पी. टी 2 व्ही मॉडेल मजकूरातून व्हिडिओ व्युत्पन्न करतात, तर आय 2 व्ही मॉडेल प्रतिमा व्हिडिओंमध्ये रूपांतरित करतात. उल्लेखनीय म्हणजे, टी 2 व्ही -1.3 बी मॉडेल एनव्हीडिया आरटीएक्स 4090 वर चार मिनिटांत पाच-सेकंद 480 पी व्हिडिओ तयार करू शकेल.

हैदराबाद: चिनी तंत्रज्ञान बेहेमोथ अलिबाबा यांनी डब्ल्यूएएन 2.1, ओपन-सोर्स व्हिडिओ जनरेशन कृत्रिम बुद्धिमत्ता (एआय) मॉडेल रिलीज केले आहे. व्यावसायिक आणि शैक्षणिक वापराच्या दोन्ही समर्थनासह, मॉडेलला आता मिठी मारण्याच्या चेह on ्यावर ऑफर केले गेले आहे, जरी व्यावसायिक वापरास काही मर्यादा आहेत.

डब्ल्यूएएन 2.1 चार फ्लेवर्समध्ये उपलब्ध आहे: टी 2 व्ही -1.3 बी, टी 2 व्ही -14 बी, आय 2 व्ही -14 बी -720 पी आणि आय 2 व्ही -14 बी -480 पी. टी 2 व्ही फ्लेवर्स मजकूरातून व्हिडिओ तयार करतात, तर आय 2 व्ही फ्लेवर्स व्हिडिओंमध्ये प्रतिमा संश्लेषित करतात. टी 2 व्ही -1.3 बी चव उल्लेखनीय आहे, कारण ते केवळ 8.19 जीबी व्हीआरएएमसह ग्राहक-ग्रेड जीपीयूवर कार्यान्वित करण्यास सक्षम आहे आणि एनव्हीआयडीआयए आरटीएक्स 4090 चा वापर करून चार मिनिटांत पाच-सेकंद 480 पी व्हिडिओ आउटपुट करते.

मॉडेल्स प्रगत 3 डी कार्यक्षमता व्हेरिएशनल ऑटोएन्कोडर (व्हीएई) वापरतात, व्हिडिओ सुसंगतता वाढविणे, मेमरीचा वापर कमी करणे आणि अमर्यादित लांबी 1080 पी व्हिडिओ निर्मिती सक्षम करते. अलिबाबा दावा करतो की वॅन २.१ सीन जनरेशन, मोशन गुळगुळीतपणा आणि स्थानिक अचूकता यासारख्या मुख्य क्षेत्रांमध्ये ओपनईच्या सोरा एआय मॉडेलला मागे टाकते.

डब्ल्यूएएन 2.1 हे केवळ व्हिडिओ निर्मितीसाठीच नाही तर मजकूर-टू-इमेज, व्हिडिओ-टू-ऑडिओ आणि व्हिडिओ संपादन वैशिष्ट्यांचा देखील समावेश आहे. ही वैशिष्ट्ये अद्याप ओपन-सोर्स रिलीझमध्ये उपलब्ध नाहीत.

एआय-निर्मित व्हिडिओ सामग्रीच्या मागणीच्या वाढीसह, अलिबाबाची नवीन प्रगती एआय व्हिडिओ तंत्रज्ञानास पुढे आणण्यासाठी सेट केली गेली आहे. याव्यतिरिक्त, कंपनीने एआयच्या पुढे जाण्यासाठी त्याच्या समर्पणावर जोर देण्यासाठी एआय आणि क्लाउड कंप्यूटिंगमध्ये billion 52 अब्ज डॉलर्सची तीन वर्षांची गुंतवणूक जाहीर केली आहे.