Wan2.5-Preview发布，实现多模态输入与电影级视频生成

快速阅读: Wan2.5-Preview正式发布，这款AI模型在多模态处理、视频生成及图像编辑上取得突破，支持高保真视听同步、电影级美学和高级图像生成，将重塑视觉生成未来。

今天, Wan2.5-Preview 正式发布,这款全新的 AI 模型凭借其革命性的架构和强大功能,旨在重塑视觉生成的未来。新模型在多模态处理、视频生成和图像编辑方面均取得了显著突破。

原生多模态架构与深度对齐 Wan2.5-Preview 采用了全新的统一理解和生成框架,实现了对文本、图像、视频和音频的灵活输入与输出。通过对这些模态数据进行联合训练,模型能够实现更强的模态对齐,这是实现视听同步和精确遵循指令的关键。此外,该模型还通过**人类反馈强化学习(RLHF)**进行优化,以确保生成的图像质量和视频动态符合人类审美偏好。

视频功能:视听同步与电影级美学 在视频生成方面,Wan2.5-Preview 带来了多项革新: 同步 A/V 生成 :原生支持高保真、高一致性的视频生成,并且能同步生成包括多人声、音效和背景音乐(BGM)在内的音频。

可控多模态输入 :用户可以使用文本、图像和音频作为输入源,实现无限的创意组合。

电影级美学 :模型生成的1080p 高清10秒视频拥有强大的动态和结构稳定性,并升级了电影控制系统,可创作出具有电影美感的作品。

图像功能:创意与精确控制 Wan2.5-Preview 在图像生成和编辑方面也大幅提升: 高级 图像生成 :模型显著改进了对指令的遵循能力,能够生成逼真的图像、多样的艺术风格、创意排版以及专业的图表。

图像编辑 :支持 对话式、基于指令的图像编辑 ,并能实现像素级精度,用于多概念融合、材质转换和产品颜色交换等复杂任务。

Wan2.5-Preview 的发布标志着 AI 视觉生成技术进入了一个新的阶段,其强大的多模态能力和精确的控制功能,将为开发者和创作者提供前所未有的工具。

(以上内容均由Ai生成)