Wan VACE

โดยทั่วไปเหมาะกับคลิปสั้นเพื่อคุมความเสถียรของใบหน้าและรายละเอียด หากต้องการคลิปยาว แนะนำแบ่งเป็นหลายช่วงแล้วต่อในขั้นตัดต่อ พร้อมตรวจความสอดคล้องของแต่ละช่วงก่อนรวมไฟล์

จุดเด่นคือการใช้ภาพเป้าหมายกำหนดฉาก/ท่าทาง และใช้ภาพใบหน้าเพื่อยึดตัวตน จากนั้นสร้างวิดีโอที่สามารถนำไปรีวิวความสอดคล้องและทำซ้ำเพื่อปรับคุณภาพได้

เพราะสองภาพทำหน้าที่ต่างกัน: ภาพเป้าหมายกำหนดบริบทและองค์ประกอบของช็อต ส่วนภาพใบหน้าช่วยคุมเอกลักษณ์บุคคลให้คงที่ ลดโอกาสที่หน้าจะเปลี่ยนไปเมื่อฉากเปลี่ยน

ให้ตรวจเฟรมสำคัญ 3 จุด: รายละเอียดตา-ปาก, กรอบหน้า/เส้นผม, และการบิดเบี้ยวเมื่อมีการเคลื่อนไหว พร้อมใช้ CLIPVisionModel เป็นตัวช่วยประเมินความใกล้เคียงกับภาพอ้างอิง

ภาพอ้างอิงที่เบลอ แสงแรง หรือมุมหน้าเอียงมาก มักทำให้ความสอดคล้องลดลง และฉากที่มีการบังหน้าเยอะอาจทำให้รายละเอียดเพี้ยนได้ การเลือกภาพที่คมชัดและหน้าชัดเจนจะช่วยให้ผลลัพธ์นิ่งขึ้น

ModelScope ใช้สำหรับจัดการและดึงทรัพยากร/เวอร์ชันของโมเดลให้เป็นมาตรฐาน ส่วน modelscope-cli เหมาะกับการซิงก์เวอร์ชันแบบสคริปต์หรือในงานอัตโนมัติ เพื่อให้ทีมได้ผลลัพธ์สอดคล้องกัน