Waver 1.0

Waver 1.0是什么？

Waver 1.0是 FoundationVision 推出的下一代通用视频生成基础模型，基于 Rectified Flow Transformer 架构，统一支持文本生成视频（T2V）、图像生成视频（I2V）与文本生成图像（T2I）。最高可生成 1080p 高分辨率视频，分辨率、宽高比与时长（2–10 秒）灵活可调；在 T2V 与 I2V 榜单均跻身前三，画质、运动幅度与时间一致性媲美商用方案。支持可控风格与质量、APG 伪影优化及 Cascade Refiner 高效升采样，适用于影视创意、游戏动画、教育科研等多场景。

核心特点

• 一体化多模态生成：同一模型支持 T2V、I2V、T2I 三种任务，无需切换模型。
• 高分辨率与灵活时长：最高支持 1080p 视频生成，分辨率、宽高比、视频时长（2–10 秒）可自由设定。
• SOTA 性能：在 T2V 和 I2V 榜单均进入前三，画质、运动幅度、时间一致性均优于多数开源模型，媲美甚至超越商用方案。
• 卓越运动建模：擅长生成复杂、大幅度的运动场景（如体育、舞蹈、机械运动等）。
• 可控风格与质量：通过 Prompt Tagging 控制视频风格（写实、动画、像素风等）与质量。
• 推理优化：引入 APG 技术减少伪影、提升真实感，采用级联精修器（Cascade Refiner）实现高效 1080p 升采样。

技术原理

Waver 1.0 通过 Rectified Flow Transformer + Wan‑VAE 压缩 + Prompt Tagging + Cascade Refiner + APG 优化，在一个统一模型中实现了高质量、多风格、可控的文本/图像到视频生成，并在运动建模上达到 SOTA 水平。

应用场景

• 影视与广告创意：快速生成分镜、广告短片、动画片段
• 游戏与虚拟世界：制作游戏过场动画、环境演示
• 教育与科研：可视化复杂运动、实验过程或历史场景
• 社交与内容创作：生成短视频、故事片段、视觉特效

项目地址

项目官网：http://www.waver.video/
Github仓库：https://github.com/FoundationVision/Waver
arXiv技术论文：https://arxiv.org/pdf/2508.15761