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

晋中市专题专栏app 淮南市卫生协会app 眉山市征地服务app 宿州市防火app 达州市中心校app 威海市街道办app 大庆市旅游协会app 济南市防洪app 南阳市水务app 临沂市民政管理app 扬州市第二中学app 阳江市重大建设公开app 岳阳市工商信息app 承德市同城app 襄阳市第二高中app 乌兰察布市工商信息app 宜春市服务大厅app 铜川市学校简介app 金华市卫生协会app 甘南县政要信息app 祁门县工商局app 灵丘县工商信息app 张北县太阳能发电信息app 米易县电力app 新平彝族傣族自治县台风信息app 唐河县公开信息app 嘉黎县农业app 云和县风力发电app 贵定县振兴乡村app 正定县论坛app 临泉县劳动局app 辽阳县劳动局app 丹凤县教育信息app 中阳县消防局app 安龙县消防宣传app 岳池县养老服务app 淅川县审计公开app 旬邑县出口管理app 米脂县第一中学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