首次实现中文文字生成，阿里通义万相2.1视频模型开源！8G显卡就能跑，8.2G显存即可生成480P视频

fredqiqi

2月26日消息，昨夜，阿里云视觉生成基座模型万相2.1（Wan）宣布开源！



万相2.1共有两个参数规模，140亿参数模型适用于对生成效果要求更高的专业人士，13亿参数模型生成速度较快且能兼容所有消费级GPU，两个模型的全部推理代码和权重已全部开源。



支持消费级GPU：13亿参数模型仅需8.2GB显存就能生成480P视频，可兼容几乎所有消费级GPU，约4分钟内（未使用量化等优化技术）在RTX 4090上生成5秒的480P视频。

多项任务：万相2.1同时支持文生视频、图生视频、视频编辑、文生图和视频生音频。

视觉文本生成：万相2.1是首个能够生成中英文文本的视频模型，无需外部插件就能生成文字。

强大的视频VAE：Wan-VAE提供卓越的效率和性能，可对任意长度的1080P视频进行编码和解码，同时保留时间信息。


在视频生成方面，通义万相 2.1 通过自研的高效 VAE 和 DiT 架构增强了时空上下文建模能力，支持无限长 1080P 视频的高效编解码，首次实现了中文文字视频生成功能，登上 VBench 榜单第一。

据介绍，通义万相 2.1 支持中英文视频，都可以一键生成艺术字，还提供多种视频特效选项，以增强视觉表现力，例如过渡、粒子效果、模拟等等。其还支持复杂运镜，可还原碰撞、反弹、切割、挤压等真实世界的物理规律，例如雨滴落在伞上会溅起水花。




官方曾表示，通义万相 2.1 支持中英文一键生成艺术字，还提供了多种视频特效选项，如过渡、粒子效果、模拟等等。

目前，通义万相 Wan2.1已在 GitHub、Hugging Face 和魔搭社区等平台开源，支持多种主流框架。开发者和研究者可以通过 Gradio 快速体验，或利用 xDiT 并行加速推理提升效率。同时，该模型正在加速接入 Diffusers 和 ComfyUI，以简化一键推理与部署流程，降低开发门槛，为用户提供灵活的选择，无论是快速原型开发还是高效生产部署，都能轻松实现。

Github:https://github.com/Wan-Video  
HuggingFace:https://huggingface.co/Wan-AI  
在线体验:https://tongyi.aliyun.com/wanxiang


免責聲明：如侵犯您的權益敬請通知刪除。