Wan-AI Ra Mắt Wan-Animate-2, Mô Hình Hoạt Hóa Nhân Vật 14B
Wan-AI đã phát hành Wan-Animate-2, một framework hoạt hóa nhân vật 14B mã nguồn mở sử dụng Diffusion Transformer để tạo chuyển động độ chân thực cao trực tiếp từ video dẫn hướng. Bản phát hành bao gồm trọng số mô hình cơ sở, script suy luận và một phiên bản chưng cất (distilled) phục vụ cho các ứng dụng thời gian thực. Bằng cách loại bỏ các bộ trích xuất chuyển động trung gian, mô hình đạt được khả năng bảo toàn danh tính nhân vật và độ chân thực chuyển động vượt trội. Hơn nữa, việc giới thiệu phiên bản thời gian thực được chưng cất (Wan-Animate-2-Lite) giúp giảm rào cản cho các ứng dụng hoạt hóa nhân vật tương tác và phát trực tiếp. Framework này hỗ trợ kiểm soát góc nhìn bằng văn bản, cho phép người dùng tách biệt góc quay camera của đầu ra khỏi video dẫn hướng gốc. Mô hình có sẵn ở nhiều phiên bản, bao gồm cả định dạng Diffusers đã qua chưng cất nhằm giảm độ trễ suy luận xuống ngưỡng thời gian thực.
## KIẾN THỨC NỀN
Các mô hình hoạt hóa nhân vật thường dựa trên Diffusion Transformer (DiT), kết hợp quá trình khuếch tán với kiến trúc transformer để mở rộng hiệu suất tạo ảnh/video. Để đưa các mô hình lớn này vào thực tế, các nhà phát triển sử dụng kỹ thuật chưng cất mô hình (model distillation) để truyền tri thức từ mô hình lớn sang phiên bản nhỏ hơn, nhanh hơn, cho phép suy luận trong thời gian thực.