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

乐山市同城app 宜春市养殖补助app 鹤岗市第五中学app 白银市税收公开app 潍坊市公正处app 六盘水市城乡建设app 娄底市第六小学app 东莞市旅游监督app 抚顺市第三中学app 达州市电台广播中心app 海东市第六中学app 济南市工商信息app 洛阳市风力发电app 杭州市农业app 赣州市妇联救助app 攀枝花市卫生协会app 四平市消费协会app 呼和浩特市政府公报app 西林县消防局app 定远县台风信息app 石楼县新闻中心app 普兰县工商信息app 隆林各族自治县国土信息app 镇原县土地局app 唐河县铁路管理app 黎川县第六小学app 同德县消防局app 平南县信息公开app 三都水族自治县工商局app 墨脱县第六中学app 襄垣县第二中学app 望江县重大建设公开app 同心县信息公开app 吉水县通讯协会app 中江县环境保护协会app 岗巴县数据管理局app 易门县信息公开app 巴塘县残联救助app 林甸县申建app 三门县政要信息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