阿里萬相視頻生成開源大模型是阿里云于2025年2月25日晚間宣布開源的視覺生成基座模型萬相2.1（Wan），以下是其具體介紹：

開源信息及平臺

• 開源時間：2025年2月25日晚間。
• 開源協(xié)議：采用最寬松的Apache 2.0協(xié)議。
• 下載平臺：全球開發(fā)者可在Github、HuggingFace和魔搭社區(qū)下載體驗。

模型參數(shù)規(guī)格

• 14B版本：在指令遵循、復雜運動生成、物理建模、文字視頻生成等方面表現(xiàn)突出，在權威評測集Vbench中，以總分86.22%的成績超越Sora、Luma、Pika等國內(nèi)外模型，位居榜首。
• 1.3B版本：測試結(jié)果不僅超過了更大尺寸的開源模型，甚至還接近部分閉源模型，能在消費級顯卡運行，僅需8.2GB顯存就可以生成480P視頻，適用于二次模型開發(fā)和學術研究。

技術架構與優(yōu)勢

• 算法設計：基于主流DiT架構和線性噪聲軌跡Flow Matching范式，研發(fā)了高效的因果3D VAE、可擴展的預訓練策略等。以3D VAE為例，為了高效支持任意長度視頻的編碼和解碼，萬相在3D VAE的因果卷積模塊中實現(xiàn)了特征緩存機制，從而代替直接對長視頻端到端的編解碼過程，實現(xiàn)了無限長1080P視頻的高效編解碼。此外，通過將空間降采樣壓縮提前，在不損失性能的情況下進一步減少了29%的推理時內(nèi)存占用。
• 性能表現(xiàn)：在運動質(zhì)量、視覺質(zhì)量、風格和多目標等14個主要維度和26個子維度測試中，萬相均達到了業(yè)界領先表現(xiàn)，并且斬獲5項第一。
• 功能特點：支持基于文本生成視頻和圖像生成視頻任務，能夠精準模擬現(xiàn)實世界的物理規(guī)律，如雨滴濺起水花、冰刀劃開冰渣等，且在處理復雜運動時能保持肢體的協(xié)調(diào)性和運動軌跡的真實性。

應用場景

• 影視創(chuàng)作：可以生成影視級高清視頻，輕松生成超酷炫的電影級片頭，降低影視特效制作成本。
• 廣告設計：提高廣告創(chuàng)意效率，實現(xiàn)一鍵生成動態(tài)字幕、智能運鏡等功能。
• 電商直播：降低商品展示視頻制作成本，支持中英文混合特效，提升營銷效果。

源地址：

• Github：https://github.com/Wan-Video
• HuggingFace：https://huggingface.co/Wan-AI
• 魔搭社區(qū)：https://modelscope.cn/organization/Wan-AI