阿里巴巴正式宣布開源其電影級(jí)視頻生成模型通義萬相Wan2.2。這一舉措在AI視頻生成領(lǐng)域掀起了波瀾，為廣大開發(fā)者、創(chuàng)作者以及相關(guān)企業(yè)帶來了全新的機(jī)遇與可能。?

通義萬相Wan2.2具備獨(dú)特且強(qiáng)大的功能，它開創(chuàng)性地將光影、色彩、鏡頭語言這三大電影美學(xué)核心元素融入模型之中。通過對超過60個(gè)直觀可控參數(shù)的自由組合，創(chuàng)作者能夠輕松駕馭電影級(jí)畫面的制作，極大地提升了創(chuàng)作效率。目前，該模型單次可生成5秒的高清視頻，用戶可借助多輪提示詞，逐步完成短劇制作。并且，阿里團(tuán)隊(duì)表示，未來通義萬相還會(huì)持續(xù)升級(jí)，進(jìn)一步增加單次視頻生成的時(shí)長，為視頻創(chuàng)作提供更高效的支持。?

此次開源，通義萬相Wan2.2共推出三款模型，分別是文生視頻（Wan2.2-T2V-A14B）、圖生視頻（Wan2.2-I2V-A14B）和統(tǒng)一視頻生成（Wan2.2-IT2V-5B）。其中，文生視頻模型和圖生視頻模型在業(yè)界首次采用了MoE（混合專家模型）架構(gòu)，總參數(shù)量達(dá)27B，激活參數(shù)14B。這兩款模型由高噪聲專家模型和低噪專家模型協(xié)同運(yùn)作，高噪聲專家模型主要負(fù)責(zé)構(gòu)建視頻的整體布局框架，而低噪專家模型則專注于完善視頻的細(xì)節(jié)部分。二者緊密配合，在相同參數(shù)規(guī)模下，可節(jié)省約50%的計(jì)算資源消耗，有效解決了視頻生成過程中因處理Token過長而導(dǎo)致的計(jì)算資源耗費(fèi)巨大的難題。不僅如此，在復(fù)雜運(yùn)動(dòng)生成、人物交互、美學(xué)表達(dá)以及復(fù)雜運(yùn)動(dòng)等多個(gè)維度上，通義萬相Wan2.2也取得了顯著的提升。?

Wan2.2還創(chuàng)新性地推出了“電影美學(xué)控制系統(tǒng)”，在光影、色彩、構(gòu)圖以及人物微表情等細(xì)節(jié)處理方面，其能力可與專業(yè)電影制作水平相媲美。例如，當(dāng)用戶輸入“黃昏”“柔光”“邊緣光”“暖色調(diào)”“中心構(gòu)圖”等關(guān)鍵詞時(shí)，模型能夠自動(dòng)生成一幅充滿金色落日余暉的浪漫畫面；而當(dāng)使用“冷色調(diào)”“硬光”“平衡圖”“低角度”這樣的組合提示詞時(shí)，模型則可以生成與科幻片相近的畫面效果。?

通義萬相開源的5B小尺寸統(tǒng)一視頻生成模型也十分引人注目，這一模型具備強(qiáng)大的通用性，單一模型即可同時(shí)支持文生視頻和圖生視頻，并且可在消費(fèi)級(jí)顯卡上進(jìn)行部署。它采用了高壓縮率3DVAE架構(gòu)，時(shí)間與空間壓縮比高達(dá)4×16×16，信息壓縮率提升至64，均達(dá)到了開源模型中的最高水平。僅需22G顯存（單張消費(fèi)級(jí)顯卡），該模型就能在數(shù)分鐘內(nèi)生成5秒高清視頻，是目前24幀每秒、720P像素級(jí)視頻生成速度最快的基礎(chǔ)模型之一。?

即日起，開發(fā)者可在GitHub、HuggingFace、魔搭社區(qū)便捷地下載模型和代碼，企業(yè)能夠在阿里云百煉調(diào)用模型API，而廣大用戶則可在通義萬相官網(wǎng)和通義App上直接體驗(yàn)這款強(qiáng)大模型帶來的全新創(chuàng)作感受。自今年2月以來，通義萬相已陸續(xù)開源文生視頻、圖生視頻、首尾幀生視頻和全能編輯等多款模型，在開源社區(qū)的下載量已超過500萬，成為開源社區(qū)中最受歡迎的視頻生成模型之一。此次通義萬相Wan2.2的開源，無疑將為視頻生成領(lǐng)域注入新的活力，推動(dòng)整個(gè)行業(yè)邁向新的發(fā)展階段。