El modelo Wan2.2-S2V genera videos de personajes expresivos con calidad cinematográfica a partir de un clip de audio y una imagen estática.
La unidad de IA y computación en la nube de Alibaba Group Holding lanzó el miércoles la herramienta Wan2.2-S2V, su último modelo de inteligencia artificial de código abierto que genera videos de personajes expresivos con calidad cinematográfica a partir de una imagen estática y un clip de audio. El nuevo modelo forma parte de la familia Wan2.2 de Alibaba Cloud, que la compañía promocionó el mes pasado como los primeros modelos de código abierto de generación de video a gran escala de la industria de la IA que incorporan la arquitectura Mixture-of-Experts (MoE).
Impulsado por tecnología avanzada de animación basada en audio, el modelo Wan2.2-S2V «ofrece interpretaciones realistas de los personajes, desde diálogos naturales hasta interpretaciones musicales, y gestiona con fluidez múltiples personajes dentro de una escena», declaró Alibaba Cloud el miércoles.
Wan2.2-S2V podría ser utilizado por creadores de contenido profesionales para «capturar representaciones visuales precisas adaptadas a requisitos específicos de narrativa y diseño», afirmó la compañía. Esta mejora se atribuyó al conjunto de datos audiovisuales a gran escala del modelo, adaptado a escenarios de producción de cine y televisión, añadió.
La última versión de Wan2.2 refleja cómo las empresas chinas de IA siguen reduciendo la brecha con sus homólogas estadounidenses mediante el enfoque de código abierto, que pone el código fuente de los modelos de IA a disposición de desarrolladores externos para su uso, modificación y distribución.
Wan2.2-S2V ya está disponible para descargar desde las plataformas en línea para desarrolladores Hugging Face y GitHub, así como desde la comunidad de código abierto ModelScope de Alibaba Cloud.
