智东西
作者｜程茜
编辑｜心缘

智东西2月26日报道，昨夜，阿里云视觉生成基座模型万相2.1（Wan）宣布开源！

万相2.1共有两个参数规模，140亿参数模型适用于对生成效果要求更高的专业人士，13亿参数模型生成速度较快且能兼容所有消费级GPU，两个模型的全部推理代码和权重已全部开源。

综合来看，万相2.1的主要优势集中于以下五点：SOTA性能：万相2.1在多个基准测试中优于现有的开源模型和商业解决方案，140亿参数专业版万相模型在权威评测集VBench中，以总分86.22%大幅超越Sora、Luma、Pika等国内外模型，居于榜首。

支持消费级GPU：13亿参数模型仅需8.2GB显存就能生成480P视频，可兼容几乎所有消费级GPU，约4分钟内（未使用量化等优化技术）在RTX 4090上生成5秒的480P视频。多项任务：万相2.1同时支持文生视频、图生视频、视频编辑、文生图和视频生音频视觉文本生成：万相2.1是首个能够生成中英文文本的视频模型，无需外部插件就能生成文字。

强大的视频VAE：Wan-VAE提供卓越的效率和性能，可对任意长度的1080P视频进行编码和解码，同时保留时间信息。

万相系列模型的研发团队基于运动质量、视觉质量、风格和多目标等14个主要维度和26个子维度进行了模型性能评估，该模型实现5项第一，万相系列模型能够稳定展现各种复杂的人物肢体运动，如旋转、跳跃、转身、翻滚等；还能还原碰撞、反弹、切割等复杂真实物理场景。

官方Demo中“熊猫用滑板炫技”的视频，展示了一只熊猫连续完成多个高难度动作：

阿里云通义实验室的研究人员昨夜23点直播介绍了万相2.1的模型及技术细节。

此外，阿里通义官方文章还提到，万相2.1的开源，标志着阿里云实现了全模态、全尺寸的开源。

目前，万相2.1支持访问通义官网在线体验或者在Github、HuggingFace、魔搭社区下载进行本地部署体验。

通义官网体验地址：https://tongyi.aliyun.com/wanxiang/

Github: https://github.com/Wan-Video/Wan2.1

HuggingFace：https://huggingface.co/spaces/Wan-AI/Wan2.1魔搭社区：https://modelscope.cn/studios/Wan-AI/Wan-2.1一、生成能力全方位开挂，文字、特效、复杂运动都在行

在生成能力方面，万相2.1可以还原复杂运动表现、遵循物理规律、影院级别画质、具备文字生成和视觉特效制作能力。

万相2.1支持生成走路、吃饭等基本的日常运动，还能还原复杂的旋转、跳跃、转身跳舞以及击剑、体操等体育运动类的动作。

此外，其能在遵循物理世界规律的前提下，还原重力、碰撞、反弹、切割等物理场景，并生成万物生长等有创意的视频。

在画质方面，万相2.1生成的视频达到影院级别画质，同时理解多语言、长文本指令，呈现角色的互动。

同时，万相2.1是首次在开源模型中支持中英文文字渲染，中英文艺术字生成。