你家里的显卡也能用！阿里万相视频生成模子开源

2月25日音信，阿里云旗下视觉生成基座模子万相2.1（Wan）文告开源，这次开源接纳最宽松的Apache2.0契约，14B和1.3B两个参数规格的沿路推理代码和权重沿路开源，同期缓助文生视频和图生视频任务，各人缔造者可在Github、HuggingFace和魔搭社区下载体验。

据先容，14B万相模子在领导遵命、复杂通顺生成、物理建模、翰墨视频生成等方面推崇凸起，在巨擘评测集VBench中，万相2.1以总分86.22%的得益大幅超越Sora、Luma、Pika等国表里模子，稳居榜首位置。1.3B版块测试遵循不仅独特了更大尺寸的开源模子，以致还接近部分闭源模子，同期能在耗尽级显卡开动，仅需8.2GB显存就不错生成高质料视频，适用于二次模子缔造和学术商议。

万相2.1以总分86.22%的得益稳居VBench榜单第一

在算法诡计上，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、可彭胀的预磨练战略等。以3D VAE为例，为了高效缓助自便长度视频的编码息争码，万相在3D VAE的因果卷积模块中完毕了特征缓存机制，从而代替平直对长视频端到端的编解码流程，完毕了无尽长1080P视频的高效编解码。此外，通过将空间降采样压缩提前，在不亏欠性能的情况下进一步减少了29%的推理时内存占用。

万相团队的本质遵循流露，在通顺质料、视觉质料、格和洽多看法等14个主要维度和26个子维度测试中，万相均达到了业界最初推崇，而况斩获5项第一。尤其在复杂通顺和物理法例遵命上的推崇大幅普及，万相简略自如展现各式复杂的东说念主物肢体通顺，如旋转、进步、回身、翻腾等；简略精确收复碰撞、反弹、切割等复杂着什物理场景。

生成示例展示：

Prompt：体育照相格调，骑手在款式阻塞赛中训导马匹快速通过阻塞物。骑手身着专科比赛服，头戴安全帽，心思专注而坚决，双手紧合手缰绳，双腿夹紧马腹，与马匹好意思满合营。马匹腾空跃起，算作连贯且准确，四蹄有劲地踏过每一个阻塞物，保持速率和均衡。布景是当然的草地和蓝天，画面充满动感和病笃感。4K, 高清画质，算作完整。

Prompt：体育照相格调，中国皮划艇通顺员在急流回旋比赛中，于湍急的水流顶用桨快速划水，纯真地绕过一个又一个阻塞物。他身着专科通盲从，肌肉线条赫然，心思专注而坚决，展现出出色的操控技能和飘扬的拼搏精神。布景是澄莹的河流和翠绿的山峦，画面充满动感与活力。算作完整，4K, 高清画质。

Prompt：一段超速POV镜头，录像机飞奔穿越一条阳光下的中国乡村小径，镜头紧随着一个在空中遨游的一稔闲散服闲散鞋的中国女子的背后，她肉体立正张开双臂，风吹动她的头发和衣服。

南边+记者 叶丹云开体育