北京
分享至
2月26日消息，昨晚，阿里云深夜宣布开源视觉生成基座模型万相2.1（Wan），并以Apache 2.0协议发布。
此次开源包含14B和1.3B两种参数规格的推理代码与权重，支持文生视频和图生视频任务。
14B模型在VBench评测中，凭借86.22%的得分超越Sora、Luma等竞品，稳居榜首。1.3B版本可以在仅需8.2GB显存的消费级显卡上生成高质量视频，适用于学术研究与二次开发。
值得一提的是，万相2.1是是首个具备支持中文文字生成能力，且同时支持中英文文字特效生成的视频生成模型。
此外，该模型基于DiT架构与Flow Matching范式，优化了3D VAE与预训练策略，并实现了特征缓存机制，支持1080P视频编解码。
据介绍，万相2.1在复杂运动和物理规律模拟方面有显著提升，能够稳定呈现人物的旋转、跳跃等高难度动作，并逼真模拟物体碰撞、反弹等物理效果。（袁宁）
本文来源：网易科技报道
责任编辑：
袁宁_NB35110
