上海
2月25日消息，阿里云旗下视觉生成基座模型万相2.1（Wan）重磅开源，此次开源采用最宽松的Apache2.0协议，14B和1.3B两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务，全球开发者可在Github、HuggingFace和魔搭社区下载体验。
据介绍，14B万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在权威评测集VBench中，万相2.1以总分86.22%的成绩大幅超越Sora、Luma、Pika等国内外模型，稳居榜首位置。1.3B版本测试结果不仅超过了更大尺寸的开源模型，甚至还接近部分闭源模型，同时能在消费级显卡运行，仅需8.2GB显存就可以生成高质量视频，适用于二次模型开发和学术研究。
在算法设计上，万相基于主流DiT架构和线性噪声轨迹Flow Matching范式，研发了高效的因果3D VAE、可扩展的预训练策略等。以3D VAE为例，为了高效支持任意长度视频的编码和解码，万相在3D VAE的因果卷积模块中实现了特征缓存机制，从而代替直接对长视频端到端的编解码过程，实现了无限长1080P视频的高效编解码。此外，通过将空间降采样压缩提前，在不损失性能的情况下进一步减少了29%的推理时内存占用。
万相团队的实验结果显示，在运动质量、视觉质量、风格和多目标等14个主要维度和26个子维度测试中，万相均达到了业界领先表现，并且斩获5项第一。尤其在复杂运动和物理规律遵循上的表现上大幅提升，万相能够稳定展现各种复杂的人物肢体运动，如旋转、跳跃、转身、翻滚等；能够精准还原碰撞、反弹、切割等复杂真实物理场景。
从2023年开始，阿里云就坚定大模型开源路线，其千问（Qwen）衍生模型数量已超过10万个，是全球最大的AI模型家族。随着万相的开源，阿里云实现了全模态、全尺寸大模型的开源。
开源地址：
Github: https://github.com/Wan-Video
HuggingFace: https://huggingface.co/Wan-AI
魔搭社区：https://modelscope.cn/organization/Wan-AI
生成示例展示:
Prompt：体育摄影风格，骑手在场地障碍赛中引导马匹快速通过障碍物。骑手身着专业比赛服，头戴安全帽，表情专注而坚定，双手紧握缰绳，双腿夹紧马腹，与马匹完美配合。马匹腾空跃起，动作连贯且准确，四蹄有力地踏过每一个障碍物，保持速度和平衡。背景是自然的草地和蓝天，画面充满动感和紧张感。4K, 高清画质, 动作完整。
Prompt：体育摄影风格，中国皮划艇运动员在激流回旋比赛中，于湍急的水流中用桨快速划水，灵活地绕过一个又一个障碍物。他身着专业运动服，肌肉线条明显，表情专注而坚定，展现出出色的操控技术和顽强的拼搏精神。背景是清澈的河流和翠绿的山峦，画面充满动感与活力。近景特写，运动员在空中翻转滑板，动作完整，4K, 高清画质。
Prompt：一段超速POV镜头，摄像机疾驰穿越一条阳光下的中国乡村小路，镜头紧跟着一个在空中飞行的穿着休闲服休闲鞋的中国女子的背后，她身体直立展开双臂，风吹动她的头发和衣服。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
