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

镇江市残联app 西宁市特殊家庭关爱协会app 吉安市招标信息app 哈密市教育信息app 东营市公开信息app 鄂尔多斯市台风监控中心app 张掖市城乡建设app 辽源市农业补贴app 永州市法律服务app 汉中市公益app 阜新市学校app 吴忠市天气监控中心app 资阳市风力发电app 杭州市便民app 襄阳市第一高中app 自贡市第一小学app 鹤岗市妇联救助app 东莞市招标信息app 临潭县旅游监督app 巴青县养殖补助app 玉田县住房保障app 宁县住房保障app 惠来县便民app 平塘县卫生协会app 泽普县土地申报app 通道侗族自治县第三高中app 若尔盖县审计公开app 乐业县同城app 洛浦县税收公开app 梁河县教育信息app 天等县农业补贴app 太白县第三小学app 江安县土地申报app 景谷傣族彝族自治县土地申报app 稷山县信息公开app 稷山县政府信息公开指南app 集贤县公开信息app 武功县学校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