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

呼和浩特市公路管理app 娄底市助农app 珠海市公开信息app 汉中市惠农app 鄂州市第一高中app 十堰市出口管理app 东莞市旅游监督app 通化市消防宣传app 大连市市场监督app 湘潭市第五高中app 张家口市社会求助app 济南市政府信息公开指南app 阜阳市学校app 合肥市教育信息app 铁岭市公路管理app 随县招标信息app 五寨县水利app 梓潼县应急管理app 武宁县通讯协会app 彭水苗族土家族自治县桥梁管理app 洋县审计公开app 仲巴县第五中学app 砚山县最新新闻app 龙山县桥梁管理app 开阳县土地局app 单县第五小学app 灌南县残联救助app 靖安县铁路管理app 永新县桥梁管理app 黎川县防火app 若尔盖县旅游协会app 朝阳县土地局app 徐闻县政府信息公开指南app 娄烦县政府公报app 泗洪县专题专栏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