通义万相2.1：VBench榜单荣登第一！阿里通义万相最新视频生成模型，支持生成1080P长视频

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🚀 快速阅读

1. 功能强大：支持1080P无限长视频生成，具备复杂动作展现、物理规律还原等功能。
2. 技术先进：基于VAE和DiT架构，增强时空上下文建模能力，支持高效编解码。
3. 应用广泛：适用于影视制作、广告视频、教学辅助、文化创作等多个领域。

正文（附运行示例）

万相2.1 是什么

万相2.1是阿里推出的通义万相升级版本，基于自研的高效VAE和DiT架构，增强时空上下文建模能力，支持无限长1080P视频的高效编解码。首次实现中文文字视频生成功能，并在VBench榜单上荣登第一。

万相2.1能够稳定展现复杂人物运动，逼真还原现实物理规律，一键生成中英文视频特效，具备强大的影视质感与艺术风格转换能力。此外，它还支持文生组图，采用IC-LoRA图像生成训练方法，增强文本到图像的上下文能力，轻松实现关联图像间的组合生成。

万相2.1 的主要功能

• 复杂动作展现：稳定展现各种复杂的人物肢体运动，如旋转、跳跃、转身、翻滚等，及镜头的移动，让视频内容更加生动和真实。
• 物理规律还原：逼真还原真实世界的物理规律，如碰撞、反弹、切割、挤压等。比如生成雨滴落在伞上溅起水花的场景，让视频更具真实感。
• 中英文视频特效生成：提供多种视频特效选项，如过渡、粒子效果、模拟等，能一键生成中英文视频特效，增强视频的视觉表现力。
• 艺术风格转换：具备强大的艺术风格表现力，能一键转换视频的影视质感与艺术风格，如电影色调、印象笔触、抽象表现等，生成各种风格的视频。
• 图生成：支持分镜效果还原、四格漫画创作、创意头像定制等功能，满足用户的不同需求。

万相2.1 的技术原理

• VAE架构：变分自编码器（VAE）是生成模型，用编码器将输入数据映射到一个潜在空间，再用解码器将潜在空间的表示映射回数据空间，实现数据的生成和重建。
• DiT架构：DiT（Diffusion in Time）架构是基于扩散模型的生成模型，在时间维度上逐步引入噪声，逐步去除噪声生成数据。DiT能有效地捕捉视频的时空结构，支持高效编解码和生成高质量的视频。
• IC-LoRA：IC-LoRA是一种图像生成训练方法，基于结合图像内容和文本描述，增强文本到图像的上下文能力，让生成的图像更加符合用户的文本描述和期望。
• 上下文建模：基于增强时空上下文建模能力，更好地理解和生成具有连贯性和一致性的视频内容，让视频中的动作、场景和风格等元素更加自然和协调。

如何运行 万相2.1

1. 访问官网

首先，访问通义万相AI视频官网，开启视频创作。

2. 输入提示词

根据需求输入提示词，例如：

• 文字特效：以红色新年宣纸为背景，出现一滴水墨，晕染墨汁缓缓晕染开来。
• 运动：一辆汽车在被雪覆盖的公路上高速飞驰。

3. 生成视频

点击生成按钮，万相2.1将根据提示词生成相应的视频内容。

资源

• 项目官网：https://wanxiang.aliyun.com/
• arXiv 技术论文：https://arxiv.org/pdf/2410.06734

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦