2 月 25 日消息，阿里云今日宣布旗下視覺生成基座模型萬相 2.1（Wan）開源。BiK28資訊網(wǎng)——每日最新資訊28at.com

此次開源采用最寬松的 Apache2.0 協(xié)議，14B 和 1.3B 兩個(gè)參數(shù)規(guī)格的全部推理代碼和權(quán)重全部開源，同時(shí)支持文生視頻和圖生視頻任務(wù)，全球開發(fā)者可在 Github、HuggingFace 和魔搭社區(qū)下載體驗(yàn)。BiK28資訊網(wǎng)——每日最新資訊28at.com

BiK28資訊網(wǎng)——每日最新資訊28at.com

據(jù)介紹，14B 萬相模型在指令遵循、復(fù)雜運(yùn)動(dòng)生成、物理建模、文字視頻生成等方面表現(xiàn)突出，在評(píng)測集 VBench 中，萬相 2.1 以總分 86.22% 的成績超越 Sora、Luma、Pika 等國內(nèi)外模型，位列榜首。1.3B 版本測試結(jié)果不僅超過了更大尺寸的開源模型，甚至還接近部分閉源模型，同時(shí)能在消費(fèi)級(jí)顯卡運(yùn)行，號(hào)稱“僅需 8.2GB 顯存就可以生成 480P 視頻”，適用于二次模型開發(fā)和學(xué)術(shù)研究。BiK28資訊網(wǎng)——每日最新資訊28at.com

BiK28資訊網(wǎng)——每日最新資訊28at.com

BiK28資訊網(wǎng)——每日最新資訊28at.com

在算法設(shè)計(jì)上，萬相基于主流 DiT 架構(gòu)和線性噪聲軌跡 Flow Matching 范式，研發(fā)了高效的因果 3D VAE、可擴(kuò)展的預(yù)訓(xùn)練策略等。以 3D VAE 為例，為了高效支持任意長度視頻的編碼和解碼，萬相在 3D VAE 的因果卷積模塊中實(shí)現(xiàn)了特征緩存機(jī)制，從而代替直接對(duì)長視頻端到端的編解碼過程，實(shí)現(xiàn)了無限長 1080P 視頻的高效編解碼。此外，通過將空間降采樣壓縮提前，在不損失性能的情況下進(jìn)一步減少了 29% 的推理時(shí)內(nèi)存占用。BiK28資訊網(wǎng)——每日最新資訊28at.com

BiK28資訊網(wǎng)——每日最新資訊28at.com

萬相團(tuán)隊(duì)的實(shí)驗(yàn)結(jié)果顯示，在運(yùn)動(dòng)質(zhì)量、視覺質(zhì)量、風(fēng)格和多目標(biāo)等 14 個(gè)主要維度和 26 個(gè)子維度測試中，萬相均達(dá)到了業(yè)界領(lǐng)先表現(xiàn)，并且斬獲 5 項(xiàng)第一。BiK28資訊網(wǎng)——每日最新資訊28at.com

BiK28資訊網(wǎng)——每日最新資訊28at.com

附開源地址：BiK28資訊網(wǎng)——每日最新資訊28at.com

Github：https://github.com/Wan-VideoBiK28資訊網(wǎng)——每日最新資訊28at.com

HuggingFace：https://huggingface.co/Wan-AIBiK28資訊網(wǎng)——每日最新資訊28at.com

魔搭社區(qū)：https://modelscope.cn/organization/Wan-AIBiK28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-45-11157-0.html阿里萬相視頻生成大模型宣布開源：8.2GB 顯存就能跑，測試超越 Sora

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 全國首個(gè) AI 心臟大模型“觀心”測試版明日發(fā)布

下一篇： 香港推出首個(gè)人工智能大模型 HKGAI V1：基于 DeepSeek 本地化訓(xùn)練，支持粵語