阿里云开源视觉生成模型万相 2.1，支持文生视频和图生视频

阿里云今日宣布其视觉生成基座模型万相 2.1（Wan）正式开源。此次开源采用最宽松的Apache2.0协议，涵盖14B和1.3B两个参数规格的全部推理代码和权重，全球开发者可在Github、HuggingFace和魔搭社区下载体验。

万相 2.1 在指令遵循、复杂运动生成、物理建模等方面表现出色，在评测集VBench中以86.22%的成绩超越Sora、Luma、Pika等国内外模型，位列榜首。特别是1.3B版本不仅超过更大尺寸的开源模型，还能在消费级显卡上运行，仅需8.2GB显存即可生成480P视频，适用于二次开发和学术研究。

该模型基于DiT架构和线性噪声轨迹Flow Matching范式，研发了高效的因果3D VAE和可扩展预训练策略，实现了无限长1080P视频的高效编解码，并在运动质量、视觉质量等多个维度测试中斩获5项第一。

本文 原创，转载保留链接！网址：https://licai.bangqike.com/cjnews/1056493.html