2月25日，從知情人士處獲悉，阿里巴巴將于今日晚間全面開源旗下視頻生成模型萬相2.1模型。今年1月，阿里旗下萬相剛宣布推出2.1版本模型升級，視頻生成、圖像生成兩大能力均獲得提升。在視頻生成方面，萬相2.1通過自研的高效VAE和DiT架構(gòu)增強了時空上下文建模能力，支持無限長1080P視頻的高效編解碼，首次實現(xiàn)了中文文字視頻生成功能，登上VBench榜單第一。

【機會前瞻】

2月25日，阿里巴巴集團宣布將旗下文生視頻模型“萬相2.1”全面開源。作為全球首個支持中英雙語、首個實現(xiàn)無限長1080P視頻編解碼的開源模型，萬相2.1的開放不僅打破了專業(yè)視頻創(chuàng)作的技術(shù)壁壘，更可能重構(gòu)全球AIGC產(chǎn)業(yè)的競爭格局。

萬相2.1采用最寬松的Apache2.0協(xié)議，14B和1.3B兩個參數(shù)規(guī)格的全部推理代碼和權(quán)重全部開源，全球開發(fā)者可在Github、HuggingFace和魔搭社區(qū)下載體驗。其中1.3B版本僅需8.2GB顯存就可以生成高質(zhì)量視頻，適用于二次模型開發(fā)和學術(shù)研究。

今年1月，阿里旗下萬相剛宣布推出2.1版本模型升級，視頻生成、圖像生成兩大能力均獲得提升。在視頻VAE方面，萬相2.1設(shè)計了創(chuàng)新的視頻編解碼方案，通過將視頻拆分成若干塊并緩存中間特征的方式，代替直接對長視頻的E2E編解碼過程，實現(xiàn)顯存使用與原始視頻長度無關(guān)，支持無限長1080P視頻的高效編解碼。萬相2.1在視頻生成領(lǐng)域的權(quán)威評測集VBench上以總分84.7%的成績登頂，在運動幅度、多對象生成、空間關(guān)系等16個評分維度中的多個關(guān)鍵能力上拿下最高分。

萬相團隊的實驗結(jié)果顯示，在運動質(zhì)量、視覺質(zhì)量、風格和多目標等14個主要維度和26個子維度測試中，萬相均達到了業(yè)界領(lǐng)先表現(xiàn)，并且斬獲5項第一。尤其在復雜運動和物理規(guī)律遵循上的表現(xiàn)上大幅提升，萬相能夠穩(wěn)定展現(xiàn)各種復雜的人物肢體運動，如旋轉(zhuǎn)、跳躍、轉(zhuǎn)身、翻滾等；能夠精準還原碰撞、反彈、切割等復雜真實物理場景。

自2023年8月起，阿里云相繼開源Qwen系列大語言模型，覆蓋從0.5B到110B的全尺寸參數(shù)，形成全球最大的開源模型家族，衍生模型數(shù)量已突破10萬。此次萬相2.1的開源延續(xù)了這一戰(zhàn)略。