پکیج یکپارچه Wan 2.1 برای ComfyUI؛ ابزار ویدیویی علی‌بابا از مرز ۴ میلیون دانلود گذشت
تیم Comfy-Org با گردآوری تمام چک‌پوینت‌ها، ابزارهای کنترلی و وزن‌های بهینه‌سازی‌شده مدل ویدیویی Wan 2.1 علی‌بابا در قالب یک پکیج منسجم برای ComfyUI، اجرای محلی این مدل پیشرفته را تسهیل کرده و به بیش از ۴٫۲ میلیون دانلود در هاگینگ‌فیس دست یافته است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- تیم Comfy-Org تمام چک‌پوینت‌ها، وزن‌های بهینه‌سازی‌شده و ورک‌فلوهای مدل ویدیویی Wan 2.1 علی‌بابا را در پکیجی منسجم برای ComfyUI یکپارچه کرد.
- این مخزن با عبور از ۴٫۲ میلیون دانلود در هاگینگ‌فیس، اجرای محلی تبدیل متن و تصویر به ویدیو را روی کارت‌های گرافیک گوناگون بسیار آسان‌تر ساخته است.
- مدل متن‌باز Wan 2.1 با کسب امتیاز ۸۶٫۲۲ درصد در بنچمارک VBench، تنها مدل متن‌باز در جمع ۵ ابزار ویدیویی برتر دنیا به شمار می‌رود.
بر اساس تازه‌ترین آمارها، مخزن رسمی Comfy-Org در پلتفرم هاگینگ‌فیس (Hugging Face) از مرز ۴٫۲ میلیون بار دانلود عبور کرده است. این مخزن تمام چک‌پوینت‌های مدل Wan 2.1، وزن‌های کوانتایزشده، آداپتورها و اجزای مختلف ورک‌فلو را ذیل ساختار پوشه‌بندی استاندارد ComfyUI گردآوری می‌کند. بدین ترتیب، توسعه‌دهندگان به مرجعی واحد و جامع برای فرآیندهای تبدیل متن به ویدیو، تبدیل تصویر به ویدیو، ویرایش کنترل‌شده، ویدیوهای با پس‌زمینه شفاف و انیمیشن‌سازی صوتی دسترسی پیدا کرده‌اند.
معماری فنی و سازوکار درونی Wan 2.1
بخش ابری علی‌بابا (Alibaba Cloud) در فوریه ۲۰۲۵ مدل Wan 2.1 را در قالب خانواده‌ای متن‌باز متشکل از چهار چک‌پوینت مدل پایه عرضه کرد. ترنسفورمر دیفیوژن (Diffusion Transformer) این سیستم از طریق حذف تدریجی نویز از نمایش فشرده‌شده کلیپ، ویدیوی نهایی را تولید می‌کند. یک خودرمزگذار متغیر علی سه‌بعدی موسوم به Wan-VAE وظیفه فشرده‌سازی ویدیو در ابعاد فضا و زمان را بر عهده دارد و مصرف حافظه رم مورد نیاز برای پردازش فریم‌های با وضوح بالا را به‌شکل محسوسی پایین می‌آورد.
طبق اطلاعات منتشرشده در پست رسمی معرفی علی‌بابا، مدل Wan 2.1 موفق شده در بنچمارک معتبر VBench امتیاز کلی ۸۶٫۲۲ درصد را کسب کند و در زمان انتشار، تنها مدل متن‌باز حاضر در میان پنج سیستم برتر این آزمون سنجشی لقب بگیرد. بنچمارک VBench معیارهایی مانند پایداری سوژه، روانی حرکات، مناسبات فضایی، بازتولید رنگ‌ها و میزان پایبندی به پرامپت‌ها را ارزیابی می‌کند. افزون بر این، علی‌بابا مدل Wan 2.1 را به‌عنوان نخستین ابزار ویدیویی معرفی کرد که از جلوه‌های متنی هم‌زمان به دو زبان چینی و انگلیسی پشتیبانی می‌کند.
یک ساختار متمرکز و هشت خانواده جریان کاری
مجموعه Comfy-Org فایل‌ها و منابع مختلف پروژه‌های Wan-AI، Alibaba PAI، MAGREF-Video، htdong، MeiGen-AI و سایر ابتکارات مرتبط را در یک ساختار درختی منسجم گرد آورده است. این مخزن شامل بیلدهای fp16، bf16 و نسخه‌های مقیاس‌پذیر fp8 است تا توسعه‌دهندگان بتوانند متناسب با سخت‌افزار خود، تعادل بهینه‌ای میان سازگاری، مصرف حافظه رم ویدیویی (VRAM) و اندازه فایل‌ها برقرار سازند.
دسته‌بندی جریان کاری (Workflow) | مدل‌های ارائه‌شده | کاربرد اصلی |
|---|---|---|
متن به ویدیو (Text-to-video) | wan2.1_t2v_1.3B و wan2.1_t2v_14B | تولید مستقیم کلیپ‌های ویدیویی از روی توضیحات متنی. نسخه ۱٫۳B برای سیستم‌های با حافظه گرافیکی کمتر طراحی شده و نسخه ۱۴B حداکثر کیفیت بصری را ارائه می‌دهد. |
تصویر به ویدیو (Image-to-video) | wan2.1_i2v_14B در وضوح 480p و 720p | متحرک‌سازی تصویر مرجع هم‌زمان با امکان مدیریت دقیق وضوح و حافظه پردازشی مورد نیاز. |
تولید حرکت میان دو فریم (FLF2V) | چک‌پوینت ۱۴B در وضوح 720p | ایجاد پویانمایی و حرکت پیوسته بین فریم ابتدایی و فریم انتهایی ورودی. |
سیستم ویرایش کنترل‌شده (VACE) | چک‌پوینت‌های ۱٫۳B و ۱۴B | ویرایش پیشرفته، هدایت بصری و اعمال تغییرات دقیق روی ویدیو بر پایه ورودی‌های راهنما. |
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
سناریوهای آخرالزمانی هوش مصنوعی قبلاً بدون هوش مصنوعی تا پای فاجعه رفته‌اند؛ خطر واقعی کجاست؟
بررسی تاریخ نشان می‌دهد سناریوهای آخرالزمانی هوش مصنوعی نظیر ساخت سلاح‌های بیولوژیکی یا پرتاب اشتباه موشک هسته‌ای، پیش‌تر بدون حضور این فناوری تا یک‌قدمی فاجعه پیش رفته‌اند. در تمامی این بحران‌ها ماشین‌ها خطا کردند و انسان‌ها مانع فاجعه شدند؛ در نتیجه تهدید واقعی نه ربات‌های خودمختار، بلکه اعتماد به گزارش‌های نادرست هوش مصنوعی در دقایق بحرانی است.
شبکه برق چگونه در برابر حملات هوش مصنوعی مقاومت می‌کند؟ پاشنه آشیل تأسیسات کوچک شهری
در حالی که غول‌های انرژی با سرمایه‌گذاری سنگین سامانه‌های خود را در برابر نفوذ هکرها نفوذناپذیر کرده‌اند، تأسیسات محلی و کوچک خدمات شهری به هدفی آسان برای مهاجمان تبدیل شده‌اند. با ظهور ابزارهای هوش مصنوعی که حملات سایبری را ارزان‌تر و سریع‌تر می‌کنند، شکاف امنیتی این شبکه‌ها تهدیدی جدی برای زندگی شهروندان است.
معافیت یک‌ساله اینتل از قانون ممنوعیت ربات‌های خارجی؛ خطوط تولید تراشه آمریکا در امان ماندند
شرکت اینتل موفق شد برای ادامه فعالیت ناوگان خودروهای رباتیک خارجی در کارخانه‌های تراشه‌سازی خود در آمریکا، معافیتی یک‌ساله از کمیسیون ارتباطات فدرال دریافت کند. این تصمیم پس از آن اتخاذ شد که مقررات مبهم دولت ایالات متحده علیه ربات‌های ساخت خارج، نگرانی‌هایی جدی درباره توقف خطوط تولید نیمه‌رسانا ایجاد کرده بود.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.