Wan 2.1：通義萬相推出的開源視頻生成模型

映技派于2025-02-21發(fā)布在Ai產(chǎn)品

通義萬相團(tuán)隊推出Wan 2.1（萬相2.1）這個最新的視頻生成模型，該模型在視頻生成的多個方面有了很大的進(jìn)步，像視頻質(zhì)量、復(fù)雜運(yùn)動呈現(xiàn)、物理規(guī)律模擬以及中文漢字生成等。特別是在中文內(nèi)容生成方面，它是首個能夠有效控制中文文字特效生成的視頻模型，解決了之前模型在處理中文內(nèi)容上的不足。

通義萬相團(tuán)隊即將推出WanX 2.1.webp

Wan 2.1功能特點(diǎn)

復(fù)雜動作展現(xiàn)：Wan 2.1能穩(wěn)定地呈現(xiàn)出各種各樣復(fù)雜的人物肢體動作，像旋轉(zhuǎn)、跳躍、翻滾這些動作都可以很好地展現(xiàn)出來，這讓視頻看起來更加生動真實(shí)。
物理規(guī)律還原：它可以很逼真地把現(xiàn)實(shí)世界里的物理規(guī)律還原出來，這樣生成的視頻就更真實(shí)，也更符合大家的預(yù)期。
高質(zhì)量視頻生成：這個模型生成的視頻視覺效果更逼真，像素質(zhì)量也提高了。它能讓生成的內(nèi)容遵循物理規(guī)則，并且在執(zhí)行復(fù)雜指令的時候更精準(zhǔn)。
復(fù)雜運(yùn)動處理：Wan 2.1在處理復(fù)雜運(yùn)動場景方面特別厲害，比如花樣滑冰、游泳、跳水這些場景，它能讓動作保持協(xié)調(diào)真實(shí)，在復(fù)雜肢體動作生成方面有了很明顯的提升。
多語言支持：Wan 2.1是第一個能同時支持中英文文字特效的視頻生成模型，這在創(chuàng)意產(chǎn)業(yè)里的應(yīng)用范圍就擴(kuò)大了很多，像廣告、短視頻制作這些領(lǐng)域，不管是國內(nèi)還是國際的需求都能滿足。
高效編解碼技術(shù)：它采用了自己研發(fā)的VAE（變分自編碼器）和DiT（某種深度學(xué)習(xí)架構(gòu)）技術(shù)，靠著這個技術(shù)，生成無限長的1080P視頻成為了可能，而且效率和畫質(zhì)都提高了。

Wan 2.1技術(shù)架構(gòu)

Wan 2.1采用了自己研發(fā)的VAE（變分自編碼器）和DiT（Diffusion Transformer）架構(gòu)，這讓它在時空上下文關(guān)系的建模能力上有了很大的提升。VAE會把視頻分成好多塊并且緩存中間特征，這樣就能高效地對超長1080P視頻進(jìn)行編解碼，能生成無限長度的高清視頻。DiT通過時空全注意力機(jī)制和參數(shù)共享機(jī)制，讓生成質(zhì)量和訓(xùn)練效率都有了顯著的提高。

Wan 2.1模型還能支持無限長視頻生成，它用VAE把視頻拆分成多個部分并且緩存中間特征來實(shí)現(xiàn)高效編解碼，從而支持1080P長度的視頻生成。而且它的生成質(zhì)量和訓(xùn)練效率靠時空全注意力機(jī)制和參數(shù)共享機(jī)制得到了顯著提升，這樣生成的效果就更精細(xì)穩(wěn)定。另外，用戶在設(shè)置參數(shù)的時候，可以選擇不同的預(yù)設(shè)模式，像簡單模式和專業(yè)模式，來滿足不同的創(chuàng)作水平和項目需求。

Wan 2.1應(yīng)用場景

內(nèi)容創(chuàng)作：對于視頻創(chuàng)作者來說，Wan 2.1是個很強(qiáng)大的工具，能幫助他們創(chuàng)作出效果更豐富的視頻。
廣告制作：在營銷和廣告方面，可以用它來制作很吸引人的宣傳視頻。
教育和培訓(xùn)：在教育領(lǐng)域，它能通過生動的示范視頻讓學(xué)習(xí)體驗(yàn)更好，提高信息傳遞的效率。