Wan 2.1是阿里巴巴發布的開源視頻生成模型，採用Apache 2.0許可免費商用。提供14B和1.3B版本，其中14B版本超越Sora，1.3B輕量版僅需8GB顯存，可在NVIDIA GeForce RTX 4070顯示卡運行，能生成隨物體移動的文字和複雜動作如多人舞蹈。技術採用DiT架構和創新3D變分自動編碼器。發布Wan2.1-VACE，支持文本、圖像和視頻多模態輸入及視頻編輯功能，並最佳化實現消費級GPU上的720P視頻生成。
基本介紹
- 中文名：通義萬相
- 外文名：Wan 2.1
- 發布方：阿里
研發背景,核心技術,核心團隊,重要事件,產品功能,
研發背景
Wan 2.1由阿里巴巴集團通義實驗室開發，旨在突破AI視頻生成的技術邊界，推動視頻生成技術的發展。該模型旨在打造一個具備卓越性能、全面性、消費者級效率和開放性的視頻生成模型。其總體技術路線基於主流的擴散變換器範式，並結合了因果3D VAE等創新架構進行構建。
核心技術
Wan 2.1基於因果3D VAE（變分自編碼器）和視頻Diffusion Transformer（DiT）架構，通過時空壓縮與長時程依賴建模，支持生成指定長度的1080P高清視頻。模型採用因果3D變分自編碼器（3D VAE），支持對任意長度1080P視頻進行編碼與解碼。
模型提出了視頻條件單元（VCU），統一了文生視頻、圖生視頻、視頻生視頻以及基於局部區域的視頻編輯等任務的輸入範式，可處理文本、圖像、視頻、掩碼及控制信號（如深度圖、光流、姿態）等多種模態的輸入。在多模態輸入處理中，通過概念解耦、編碼轉換與特徵融合等步驟，將輸入信息轉化為token序列。
其14B參數模型採用了混合專家（MoE）動態路由架構。該版本在VBench評測中的總分為86.22%。
通過量化與分散式推理最佳化，其1.3B參數版本可在消費級GPU上運行。
核心團隊
Wan 2.1 由阿里巴巴集團通義實驗室（阿里雲團隊）開發。
重要事件
2025年5月14日，阿里巴巴開源通義萬相Wan2.1-VACE，這是一個整合了視頻生成與編輯功能的模型。該模型在Wan 2.1基礎上，整合了文生視頻、圖生視頻、視頻重繪、局部編輯、背景延展、時長延展等生成與編輯能力。
2025年7月，阿里巴巴發布Wan 2.1 Fun模型，該模型支持通過首尾幀精準控制視頻內容。
產品功能
模型能生成隨物體移動的文字，呈現複雜動作如多人舞蹈、華爾茲旋轉，物理效果自然。
