阿里視頻生成大模型萬相2.1開源！效果超Sora，消費(fèi)級(jí)顯卡就能跑快訊
全球開發(fā)者可在Github、HuggingFace、魔搭社區(qū)下載體驗(yàn)，阿里云視頻生成大模型萬相2.1（Wan）正式開源，阿里展示了諸多萬相大模型生成的視頻。
【TechWeb】2月27日消息，大模型開源的風(fēng)吹到了視頻生成大模型。阿里云日前放出重磅消息：萬相，開源！
阿里云視頻生成大模型萬相2.1（Wan）正式開源，此次開源采用Apache2.0協(xié)議，14B和1.3B兩個(gè)參數(shù)規(guī)格的全部推理代碼和權(quán)重全部開源，同時(shí)支持文生視頻和圖生視頻任務(wù)，全球開發(fā)者可在Github、HuggingFace、魔搭社區(qū)下載體驗(yàn)。
從2023年開始，阿里云就堅(jiān)定大模型開源路線，其千問（Qwen）衍生模型數(shù)量已超過10萬個(gè)。隨著萬相的開源，阿里云實(shí)現(xiàn)了全模態(tài)、全尺寸的開源。
四個(gè)開源模型
此次開源共有四個(gè)模型，文生和圖生各兩個(gè)，兩個(gè)參數(shù)版本。兩個(gè)文生視頻模型分別是1.3B和14B兩個(gè)規(guī)格；兩個(gè)圖生視頻模型都是14B，分辨率一個(gè)480P一個(gè)720P。
14B版本萬相模型：在指令遵循、復(fù)雜運(yùn)動(dòng)生成、物理建模、文字視頻生成等方面表現(xiàn)突出，在權(quán)威評(píng)測(cè)集Vbench中，萬相2.1以總分86.22%大幅超越Sora、Luma、Pika等國(guó)內(nèi)外模型，穩(wěn)居榜首位置。
1.3B版本萬相模型：不僅超過了更大尺寸的開源模型，甚至還和一些閉源的模型結(jié)果接近，同時(shí)能在消費(fèi)級(jí)顯卡運(yùn)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(xué)術(shù)研究。
有用戶表示，1.3B的萬象模型在RTX4090上跑一條5秒鐘的480P視頻的時(shí)間大概只要4分鐘。
阿里云特別強(qiáng)調(diào)，萬相2.1（Wan）大模型是首個(gè)具備支持中文文字生成能力，且同時(shí)支持中英文文字特效生成的視頻生成模型。
實(shí)驗(yàn)結(jié)果顯示，在運(yùn)動(dòng)質(zhì)量、視覺質(zhì)量、風(fēng)格和多目標(biāo)等 14 個(gè)主要維度和 26 個(gè)子維度測(cè)試中，萬相表現(xiàn)出色，并且斬獲 5 項(xiàng)第一。尤其在復(fù)雜運(yùn)動(dòng)和物理規(guī)律遵循上的表現(xiàn)上大幅提升，萬相能穩(wěn)定呈現(xiàn)人物的旋轉(zhuǎn)、跳躍等高難度動(dòng)作，并逼真模擬物體碰撞、反彈和切割等真實(shí)物理效果。
良好表現(xiàn)的背后，是基于主流的DiT和線性噪聲軌跡Flow Matching范式，萬相大模型通過一系列技術(shù)創(chuàng)新實(shí)現(xiàn)了生成能力的重大進(jìn)步。包括自研高效的因果3D VAE、可擴(kuò)展的預(yù)訓(xùn)練策略、大規(guī)模數(shù)據(jù)鏈路構(gòu)建以及自動(dòng)化評(píng)估指標(biāo)，這些創(chuàng)新共同提升了模型的最終性能表現(xiàn)。
阿里展示了諸多萬相大模型生成的視頻，大家看看效果：
開源地址：
Github: https://github.com/Wan-Video
HuggingFace:https://huggingface.co/Wan-AI
魔搭社區(qū)：https://modelscope.cn/organization/Wan-AI
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會(huì)明確標(biāo)注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請(qǐng)轉(zhuǎn)載時(shí)務(wù)必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控?zé)任；
3.作者投稿可能會(huì)經(jīng)TMT觀察網(wǎng)編輯修改或補(bǔ)充。
