अलीबाबा की Tongyi Wan टीम ने Wan-Animate-2 प्रस्तुत किया है, जो चरित्र एनीमेशन के लिए एक फ्रेमवर्क है और अब खुले स्रोत में उपलब्ध है। इस सिस्टम की वास्तुकला में कंकाल मुद्रा निकालने और गति विशेषताओं को संपीड़ित करने की आवश्यकता को पूरी तरह से समाप्त कर दिया गया है, जो सीधे वीडियो सिग्नल को डिफ्यूजन ट्रांसफार्मर में फीड करता है। परिणामस्वरूप, एक ऐसी प्रणाली बनाई गई है जो 24 फ्रेम प्रति सेकंड की गति से काम कर सकती है, और सीधी तुलनाओं में यह ByteDance के Dreamina और Kuaishou के KLING MotionControl जैसे बंद वाणिज्यिक लीडर्स के बराबर परिणाम प्रदर्शित करती है।
Wan-Animate-2 का मुख्य नवाचार इस बात में निहित है कि यह क्या टालता है। पिछली विधियों में एक मध्यवर्ती मुद्रा मूल्यांकन चरण की आवश्यकता होती थी, जो मूल वीडियो को कंकाल ढांचे में परिवर्तित करता था। यह प्रक्रिया जानकारी को संपीड़ित करती थी और ढांचे की विफलता पर महत्वपूर्ण गड़बड़ी लाती थी। Wan-Animate-2 कच्चे पिक्सेल के रूप में नियंत्रण संकेत को बनाए रखता है, जिससे डिफ्यूजन ट्रांसफार्मर को स्वयं अनुरूपता सीखने की अनुमति मिलती है, जिसके परिणामस्वरूप हाथों में काफी कम विकृति और जटिल गतिविधियों के दौरान अंगों में कलाकृतियों में कमी आती है।
फ्रेमवर्क की क्षमताएं एक चरित्र के एनीमेशन से परे हैं; यह कई पात्रों और कई कैमरों वाले परिदृश्यों का समर्थन करता है। एक नियंत्रण वीडियो एक साथ कई लक्षित पात्रों को नियंत्रित कर सकता है, और एक ही एनीमेशन को बिना किसी पुन: प्रशिक्षण की आवश्यकता के विभिन्न निर्दिष्ट कैमरा स्थितियों से रेंडर किया जा सकता है। यह प्रणाली विभिन्न पहलू अनुपात और पात्रों के विभिन्न प्रकार के शरीर के प्रकारों के साथ भी स्थिर रूप से काम करती है, जिससे उस नाजुकता को दूर किया जाता है जो लंबे समय से ओपन-सोर्स चरित्र एनीमेशन परियोजनाओं को सता रही थी।
इस उपलब्धि का व्यावहारिक महत्व संरचनात्मक है। चरित्र एनीमेशन लंबे समय से उच्च वाणिज्यिक स्तर के वीडियो निर्माण में एक बाधा रहा है। जनरेटिव मॉडल दृश्य बना सकते थे, कंपोजिटिंग पात्रों को रख सकता था, लेकिन एक विशिष्ट पहचान बनाए रखते हुए मनमाने ढंग से चलने वाले शैलीबद्ध चरित्र को प्राप्त करना लगभग हमेशा मैन्युअल फ्रेम-दर-फ्रेम एनीमेशन पर निर्भर करता था। Wan-Animate-2 इस अंतर को भरता है, डेवलपर्स के लिए भार प्रदान करता है जिसे स्थानीय रूप से चलाया जा सकता है।
Tongyi Wan परिवार के तहत अलीबाबा की व्यापक योजनाएं स्पष्ट हो रही हैं। अगस्त में जारी Wan 3.0 ने कॉर्पोरेट उपयोग के लिए दस्तावेज़ इनपुट के साथ वीडियो जनरेशन प्रदान की। Wan-Animate-2 डेवलपर समुदाय और रचनाकारों के लिए चरित्र एनीमेशन की संभावनाएं खोलता है। ये दो रिलीज़ मिलकर उत्पादन चक्र के दोनों सिरों को कवर करते हैं। ओपन-सोर्स वीडियो इकोसिस्टम के लिए अधिक महत्वपूर्ण प्रश्न यह नहीं है कि क्या चीनी प्रयोगशालाएं बंद वाणिज्यिक उत्पादों की गुणवत्ता से मेल खा सकती हैं - उन्होंने यह पहले ही कर दिखाया है। अब सवाल इस बात का है कि नई मॉडल को बाद की प्रसंस्करण उपकरणों में कितनी तेजी से एकीकृत किया जा सकता है।
