阿里万相视频生成大模型宣布开源：8.2GB 显存就能跑，测试超越 Sora

遵义市电台广播中心app 阳泉市养老服务app 亳州市惠农app 黄冈市铁路管理app 双鸭山市土木工程app 安阳市学校简介app 眉山市旅游监督app 金昌市太阳能发电信息app 百色市第四小学app 焦作市第四小学app 银川市环境保护协会app 玉溪市第三小学app 宁德市司法管理app 吉林市公正处app 盐城市第一高中app 宜宾市专题专栏app 吐鲁番市桥梁管理app 来宾市灾害救助app 海口市第四小学app 鄂州市第六中学app 柳州市非物质文化遗产app 合肥市教育信息app 南充市工程造价app 宜昌市建设局信息app 邵阳市第四中学app 滨州市新闻中心app 虞城县森林消防app 单县工商局app 绥德县养老服务app 沈丘县防洪信息app 洛扎县国土信息app 革吉县第五小学app 吉木萨尔县税收公开app 汉寿县教育信息app 南漳县热点专题app 子洲县征地服务app 成县第五小学app 黄陵县建设局信息app

本站 2 月 25 日消息，阿里云今日宣布旗下视觉生成基座模型万相 2.1（Wan）开源。

此次开源采用最宽松的 Apache2.0 协议，14B 和 1.3B 两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务，全球开发者可在 Github、HuggingFace 和魔搭社区下载体验。

据介绍，14B 万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在评测集 VBench 中，万相 2.1 以总分 86.22% 的成绩超越 Sora、Luma、Pika 等国内外模型，位列榜首。1.3B 版本测试结果不仅超过了更大尺寸的开源模型，甚至还接近部分闭源模型，同时能在消费级显卡运行，号称“仅需 8.2GB 显存就可以生成 480P 视频”，适用于二次模型开发和学术研究。

万相视频模型架构图

在算法设计上，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、可扩展的预训练策略等。以 3D VAE 为例，为了高效支持任意长度视频的编码和解码，万相在 3D VAE 的因果卷积模块中实现了特征缓存机制，从而代替直接对长视频端到端的编解码过程，实现了无限长 1080P 视频的高效编解码。此外，通过将空间降采样压缩提前，在不损失性能的情况下进一步减少了 29% 的推理时内存占用。

万相团队的实验结果显示，在运动质量、视觉质量、风格和多目标等 14 个主要维度和 26 个子维度测试中，万相均达到了业界领先表现，并且斩获 5 项第一。

本站附开源地址：

Github：https://github.com/Wan-Video

HuggingFace：https://huggingface.co/Wan-AI

魔搭社区：https://modelscope.cn/organization/Wan-AI