新聞中心back
阿里巴巴深夜宣布！
文章來(lái)源：阿里數(shù)字人才科創(chuàng)中心發(fā)布時(shí)間：2025-02-26 06:12:29瀏覽量：162次
2月25日深夜，阿里云視頻生成大模型萬(wàn)相2.1（Wan）重磅開(kāi)源，此次開(kāi)源采用Apache2.0協(xié)議，14B和1.3B兩個(gè)參數(shù)規(guī)格的全部推理代碼和權(quán)重全部開(kāi)源，同時(shí)支持文生視頻和圖生視頻任務(wù)，全球開(kāi)發(fā)者可在Github、HuggingFace、魔搭社區(qū)下載體驗(yàn)。
據(jù)悉，萬(wàn)相2.1在技術(shù)性能方面，展現(xiàn)出了碾壓式的優(yōu)勢(shì)。在權(quán)威評(píng)測(cè)集VBench中，它以86.22%的綜合得分傲視群雄，遠(yuǎn)超OpenAI的Sora等頭部閉源模型。14B版本在處理復(fù)雜運(yùn)動(dòng)和物理規(guī)律模擬等場(chǎng)景時(shí)，表現(xiàn)尤為出色，甚至能夠精準(zhǔn)生成中英文特效文字視頻，被譽(yù)為“首個(gè)理解中國(guó)風(fēng)指令的模型”。而1.3B版本則以其驚人的顯存效率和推理速度，僅需8.2GB顯存即可在消費(fèi)級(jí)顯卡上生成480P視頻，速度比同類(lèi)模型快2.3倍，成為了“平民玩家的好萊塢制片廠(chǎng)”。
在關(guān)鍵技術(shù)方面，萬(wàn)相團(tuán)隊(duì)突破性地解決了長(zhǎng)視頻生成的難題。通過(guò)自研的因果3D VAE架構(gòu)和特征緩存機(jī)制，實(shí)現(xiàn)了無(wú)限1080P視頻的生成，徹底擺脫了顯存的限制。同時(shí)，空間降采樣壓縮技術(shù)使得模型在保持畫(huà)質(zhì)的前提下，內(nèi)存占用直降29%。此外，基于DiT架構(gòu)的全局注意力機(jī)制，讓生成的動(dòng)作和物理效果更加逼真，堪比物理引擎。
萬(wàn)相視頻模型架構(gòu)圖
此次開(kāi)源不僅帶來(lái)了代碼和權(quán)重，阿里云還配套推出了Gradio體驗(yàn)、xDiT并行加速推理等工具鏈，支持Diffusers和ComfyUI生態(tài)。開(kāi)發(fā)者們紛紛實(shí)測(cè)并給出好評(píng)，如“輸入中文提示詞后，10秒內(nèi)即可生成視頻，連水墨暈染的細(xì)節(jié)都能精準(zhǔn)呈現(xiàn)”。結(jié)合阿里云此前開(kāi)源的千問(wèn)（Qwen）系列，其AI模型家族已全面覆蓋語(yǔ)言、圖像、視頻等模態(tài)，衍生模型數(shù)量超過(guò)10萬(wàn)個(gè)，構(gòu)建起了全球最大的開(kāi)源生態(tài)。萬(wàn)相2.1的開(kāi)源無(wú)疑給視頻生成行業(yè)帶來(lái)了地震級(jí)的影響。學(xué)術(shù)機(jī)構(gòu)可以低成本地開(kāi)展相關(guān)研究；短視頻創(chuàng)作者能夠?qū)崟r(shí)生成帶有雙語(yǔ)特效的素材；甚至普通網(wǎng)友也能利用一張老照片讓祖輩的肖像“動(dòng)起來(lái)”上演小劇場(chǎng)。業(yè)內(nèi)專(zhuān)家評(píng)論稱(chēng)：“阿里的這一波操作，不僅展示了其強(qiáng)大的技術(shù)實(shí)力，更是將視頻生成從‘巨頭游戲’轉(zhuǎn)變?yōu)榱巳窠钥蓞⑴c的狂歡?！?/section>
晉公網(wǎng)安備14019202000635號(hào)