阿里云開源三款A(yù)I視頻生成模型 通義萬相2.2版本亮相

阿里云開源三款AI視頻生成模型 通義萬相2.2版本亮相

7月29日，阿里云宣布通義萬相2.2版本正式開源，這一消息在人工智能領(lǐng)域引起廣泛關(guān)注。此次開源包含三款重要模型：文生視頻Wan2.2-T2V-A14B、圖生視頻Wan2.2-I2V-A14B以及統(tǒng)一視頻生成Wan2.2-TI2V-5B。這些模型的推出標(biāo)志著國產(chǎn)AI視頻生成技術(shù)邁入新階段。

技術(shù)架構(gòu)創(chuàng)新

通義萬相2.2版本最顯著的特點是采用了MoE（混合專家）架構(gòu)。文生視頻和圖生視頻模型總參數(shù)量達到27B，激活參數(shù)為14B。這種架構(gòu)由高噪聲專家模型和低噪專家模型組成，前者負責(zé)視頻整體布局，后者專注于細節(jié)完善。這種設(shè)計在同參數(shù)規(guī)模下可節(jié)省約50%的計算資源消耗，體現(xiàn)了阿里云在模型效率優(yōu)化方面的技術(shù)實力。

值得注意的是，這是業(yè)界首次將MoE架構(gòu)應(yīng)用于視頻生成領(lǐng)域。相比傳統(tǒng)單一模型架構(gòu)，MoE能夠更好地處理視頻生成中復(fù)雜的時空關(guān)系，在保持模型性能的同時顯著降低計算成本。這一創(chuàng)新為視頻生成模型的未來發(fā)展提供了新的技術(shù)路線。

專業(yè)級視頻生成能力

通義萬相2.2版本引入了電影美學(xué)控制系統(tǒng)，在光影、色彩、構(gòu)圖、微表情等方面達到了專業(yè)電影制作水準。這一系統(tǒng)的加入使得AI生成的視頻在視覺表現(xiàn)力上有了質(zhì)的飛躍，不再是簡單的畫面拼接，而是具有藝術(shù)美感的動態(tài)影像。

在具體性能表現(xiàn)上，新版本在復(fù)雜運動生成、人物交互、美學(xué)表達等維度都有顯著提升。這意味著模型能夠更好地理解并呈現(xiàn)人類動作的連貫性、物體間的相互作用關(guān)系，以及更具藝術(shù)感的畫面構(gòu)圖。

輕量化模型突破

Wan2.2-TI2V-5B作為一款5B參數(shù)規(guī)模的輕量級模型，實現(xiàn)了單一模型同時支持文生視頻和圖生視頻的功能。該模型采用了高壓縮率3D VAE架構(gòu)，時間與空間壓縮比達到4×16×16，信息壓縮率提升至64，這些指標(biāo)均創(chuàng)下開源模型的最高水平。

特別值得關(guān)注的是，該模型僅需22G顯存即可在消費級顯卡上運行，數(shù)分鐘內(nèi)就能生成5秒720P高清視頻（24幀/秒）。這一突破使得高質(zhì)量視頻生成技術(shù)不再局限于專業(yè)計算設(shè)備，為更廣泛的應(yīng)用場景提供了可能。

開源生態(tài)布局

阿里云此次選擇將這三款模型完全開源，用戶可通過GitHub、HuggingFace、魔搭社區(qū)等平臺獲取模型和代碼。同時，通義萬相官網(wǎng)和通義APP也提供直接體驗渠道。這種開放策略有助于加速AI視頻生成技術(shù)的普及和應(yīng)用創(chuàng)新。

從技術(shù)發(fā)展角度看，通義萬相2.2版本的開源為行業(yè)提供了重要的基準模型和研究素材。其MoE架構(gòu)、電影美學(xué)控制系統(tǒng)等創(chuàng)新點，將為后續(xù)視頻生成技術(shù)的發(fā)展提供參考。而輕量化模型的突破，則可能推動視頻生成技術(shù)向邊緣計算、移動設(shè)備等更廣泛領(lǐng)域滲透。

總體而言，阿里云此次開源的三款視頻生成模型展現(xiàn)了國產(chǎn)AI技術(shù)在多媒體內(nèi)容生成領(lǐng)域的最新進展。這些技術(shù)突破不僅提升了視頻生成的質(zhì)量和效率，更重要的是降低了技術(shù)應(yīng)用門檻，為數(shù)字內(nèi)容創(chuàng)作、影視制作、廣告設(shè)計等行業(yè)帶來了新的可能性。未來，隨著這些技術(shù)的進一步發(fā)展和應(yīng)用，我們或?qū)⒁娮CAI視頻生成技術(shù)在各行各業(yè)發(fā)揮更大的價值。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。