今天小編分享的科技經驗：阿裡萬相視頻大模型宣布開源：8.2GB 顯存就能跑，測試超越 Sora，歡迎閱讀。
IT 之家 2 月 25 日消息，阿裡雲今日宣布旗下視覺生成基座模型萬相 2.1（Wan）開源。
此次開源采用最寬松的 Apache2.0 協定，14B 和 1.3B 兩個參數規格的全部推理代碼和權重全部開源，同時支持文生視頻和圖生視頻任務，全球開發者可在 Github、HuggingFace 和魔搭社區下載體驗。
據介紹，14B 萬相模型在指令遵循、復雜運動生成、物理建模、文字視頻生成等方面表現突出，在評測集 VBench 中，萬相 2.1 以總分 86.22% 的成績超越 Sora、Luma、Pika 等國内外模型，位列榜首。1.3B 版本測試結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，同時能在消費級顯卡運行，号稱 "僅需 8.2GB 顯存就可以生成 480P 視頻"，适用于二次模型開發和學術研究。
萬相視頻模型架構圖
在算法設計上，萬相基于主流 DiT 架構和線性噪聲軌迹 Flow Matching 範式，研發了高效的因果 3D VAE、可擴展的預訓練策略等。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現了特征緩存機制，從而代替直接對長視頻端到端的編解碼過程，實現了無限長 1080P 視頻的高效編解碼。此外，通過将空間降采樣壓縮提前，在不損失性能的情況下進一步減少了 29% 的推理時内存占用。
萬相團隊的實驗結果顯示，在運動質量、視覺質量、風格和多目标等 14 個主要維度和 26 個子維度測試中，萬相均達到了業界領先表現，并且斬獲 5 項第一。
IT 之家附開源地址：
Github：https://github.com/Wan-Video
HuggingFace：https://huggingface.co/Wan-AI
魔搭社區：https://modelscope.cn/organization/Wan-AI
