阿里重磅开源通义万相2.2：电影级视频生成模型革新行业技术格局
项目地址: https://ai.gitcode.com/hf_mirrors/Wan-AI/Wan2.2-I2V-A14B-Diffusers 在人工智能技术飞速迭代的浪潮中，阿里巴巴再次展现出行业领军者的创新实力。继上周成功实现AI领域"三连发"的技术突破后，阿里于近日正式宣布开源旗下电影级视频生成模型——通义万相Wan2.2。这一举措不仅丰富了AI视频生成领域的技术生态，更为行业发展注入了强劲动力。
通义万相Wan2.2此次开源阵容强大，涵盖文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-TI2V-5B）三款各具特色的模型。值得关注的是，其中文生视频模型与图生视频模型在技术架构上实现了重大突破，成为业界首批采用MoE（Mixture of Experts）架构的视频生成模型。这一创新性架构设计，使得模型在性能与效率之间取得了完美平衡。
从参数规模来看，通义万相Wan2.2系列模型总参数量达到270亿，激活参数为140亿。模型内部巧妙地由高噪声专家模型和低噪声专家模型协同构成，二者分工明确又紧密配合。高噪声专家模型专注于视频整体布局的构建，为视频生成奠定坚实的基础框架；低噪声专家模型则致力于细节的完善与优化，提升视频画面的精致度与真实感。这种协同工作机制，使得模型在同参数规模下，能够节省约50%的计算资源消耗。这一显著的效率提升，有效解决了长期以来困扰视频生成领域的计算资源消耗大的难题，尤其是在处理超长Token序列时，优势更为突出。
除了在计算效率上的飞跃，通义万相Wan2.2在视频生成质量的多个关键维度上也取得了令人瞩目的提升。在复杂运动生成方面，模型能够精准捕捉并呈现物体的各种复杂运动轨迹，使视频画面更加流畅自然；人物交互环节，模型成功突破了以往人物动作生硬、交互不自然的瓶颈，生成的人物互动场景更具真实感和感染力；美学表达层面，模型对画面构图、色彩搭配、光影效果等美学元素的把握更加精准，生成的视频作品具有更高的艺术观赏性；此外，在处理复杂场景和动态变化时，模型也展现出卓越的稳定性和表现力。
通义万相Wan2.2的开源，无疑将对整个AI视频生成行业产生深远影响。它不仅为广大开发者和研究机构提供了一个高性能、高效率的视频生成工具，降低了AI视频技术的应用门槛，更将推动行业内的技术交流与创新合作。随着技术的不断普及和优化，我们有理由相信，在不久的将来，AI视频生成技术将在影视制作、广告创意、教育培训、游戏开发等众多领域得到广泛应用，为人们的生活和工作带来更多便利与惊喜。
展望未来，随着通义万相Wan2.2的开源，AI视频生成技术的发展将进入一个新的阶段。一方面，开发者可以基于这一优秀的技术底座，进行二次开发和创新应用，拓展更多的应用场景；另一方面，行业内的竞争与合作将进一步加剧，促使更多创新性技术的涌现。我们期待看到，通义万相Wan2.2能够成为AI视频生成领域的一个重要里程碑，引领行业向更高水平迈进，为构建更加繁荣的AI生态系统贡献力量。同时，也期待阿里能够持续深耕AI领域，不断推出更多具有颠覆性的技术成果，推动人工智能技术更好地服务于社会发展和人类进步。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
