國內AI領域迎來一項重大進展，最大AI圖像創(chuàng)作平臺LiblibAI成功接入阿里通義系列大模型。這一合作標志著AI創(chuàng)作領域將迎來新一輪的革新，為廣大創(chuàng)作者帶來更為強大且高效的創(chuàng)作工具。?

在此次接入后，基于萬相最新開源模型打造的文生視頻、圖生視頻功能備受矚目。用戶只需輸入提示詞，或者上傳一張圖片，平臺就能生成一段時長10秒的視頻。以萬相2.1（Wan2.1）為例，其性能卓越，在Hugging Face及魔搭社區(qū)的總下載量已超200萬，在Github的Star數(shù)超8.7k。

萬相視頻生成模型在算法設計上獨具匠心，它基于主流DiT架構和線性噪聲軌跡范式，研發(fā)了高效的因果3D VAE、可擴展的預訓練策略等。像在3D VAE 中，為了高效支持任意長度視頻的編碼和解碼，萬相在因果卷積模塊中實現(xiàn)了特征緩存機制，代替直接對長視頻端到端的編解碼過程，從而實現(xiàn)了無限長1080P視頻的高效編解碼。并且，通過將空間降采樣壓縮提前，模型在推理時能夠在不損失性能的情況下，進一步減少29%的內存占用。此外，1.3B 版本的視頻生成模型僅需8.2GB顯存即可生成高質量視頻，在消費級顯卡上就能運行，適用于二次模型開發(fā)和學術研究。?

除了視頻生成功能的升級，LiblibAI在提示詞優(yōu)化方面也取得了重大突破。LiblibAI基于Qwen – turbo打造了全新的提示詞窗口，通過預先設置好的系統(tǒng)提示（System Prompt），能幫助用戶對提示詞進行優(yōu)化。不僅如此，該窗口還具備一項實用功能，可將中文提示詞精準翻譯為模型能夠理解的英文提示詞。

據LiblibAI官方介紹，在接入Qwen – turbo后，平臺的提示詞優(yōu)化時間大幅縮短，超過了50%。這意味著創(chuàng)作者能夠更快地獲得更符合模型需求的提示詞，極大地提升了創(chuàng)作效率。以一位經常使用AI創(chuàng)作的插畫師為例，以往他花費在優(yōu)化提示詞上的時間可能要20分鐘左右，接入新功能后，同樣的工作僅需不到10分鐘就能完成，大大加快了他的創(chuàng)作流程。