Wan2.1-T2V-14B é um modelo avançado de geração de vídeo a partir de texto, baseado na arquitetura de transformador de difusão, combinando um inovador autocodificador variacional espaço-temporal (VAE) e treinamento em larga escala de dados. Ele pode gerar conteúdo de vídeo de alta qualidade em várias resoluções, suporta entrada de texto em chinês e inglês, e supera os modelos open source e comerciais existentes em termos de desempenho e eficiência. Este modelo é adequado para cenários que exigem geração de vídeo eficiente, como criação de conteúdo, produção de anúncios e edição de vídeo. Atualmente, o modelo está disponível gratuitamente na plataforma Hugging Face, com o objetivo de impulsionar o desenvolvimento e a aplicação da tecnologia de geração de vídeo.