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

呼伦贝尔市新闻中心app 三门峡市电台广播中心app 晋城市振兴乡村app 济宁市历史记录app 平顶山市暴雨监控中心app 南充市城乡建设app 温州市专题专栏app 河池市非物质文化遗产app 白银市第三高中app 南阳市政务监督app 荆门市风力发电app 张掖市第一小学app 鄂尔多斯市卫生协会app 眉山市政府公报app 鄂州市防洪信息app 松原市不良信息举报app 兰州市第二高中app 芜湖市水务app 泰州市数据管理局app 三沙市第二中学app 岳阳市教研app 唐山市第三中学app 平凉市便民app 磐安县灾害救助app 巴塘县政务监督app 石台县法律服务app 五台县消防宣传app 苍溪县消费协会app 临高县非物质文化遗产app 南投县学校app 龙里县电台广播中心app 克东县建设局信息app 蕲春县妇联app 怀集县市场监督app 亚东县信息公开app 汝南县旅游协会app 桐柏县信息公开app 互助土族自治县建设局信息app 蔚县劳动局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