IT之家 7 月 28 日消息，今晚，阿里開源視頻生成模型「通義萬相 Wan2.2」，此次共開源文生視頻（Wan2.2-T2V-A14B）、圖生視頻（Wan2.2-I2V-A14B）和統(tǒng)一視頻生成（Wan2.2-IT2V-5B）三款模型，其中文生視頻模型和圖生視頻模型均為業(yè)界首個使用 MoE 架構的視頻生成模型，總參數(shù)量為 27B，激活參數(shù) 14B；同時，首創(chuàng)電影美學控制系統(tǒng)，光影、色彩、構圖、微表情等能力媲美專業(yè)電影水平。

開發(fā)者可在 GitHub、HuggingFace、魔搭社區(qū)下載模型和代碼，企業(yè)可在阿里云百煉調用模型 API，用戶還可在通義萬相官網(wǎng)和通義 App 直接體驗。

據(jù)官方介紹，通義萬相 2.2 率先在視頻生成擴散模型中引入 MoE 架構，有效解決視頻生成處理 Token 過長導致的計算資源消耗大問題。Wan2.2-T2V-A14B、Wan2.2-I2V-A14B 兩款模型均由高噪聲專家模型和低噪專家模型組成，分別負責視頻的整體布局和細節(jié)完善，在同參數(shù)規(guī)模下，可節(jié)省約 50% 的計算資源消耗，在模型能力上，通義萬相 2.2 在復雜運動生成、人物交互、美學表達、復雜運動等維度上也取得了顯著提升。

Wan2.2 還首創(chuàng)了「電影美學控制系統(tǒng)」，光影、色彩、構圖、微表情等能力媲美專業(yè)電影水平。例如，用戶輸入「黃昏」、「柔光」、「邊緣光」、「暖色調」「中心構圖」等關鍵詞，模型可自動生成金色的落日余暉的浪漫畫面；使用「冷色調」、「硬光」、「平衡圖」、「低角度」的組合，則可以生成接近科幻片的畫面效果。

通義萬相還開源了一款 5B 小尺寸的統(tǒng)一視頻生成模型，單一模型同時支持文生視頻和圖生視頻，可在消費級顯卡部署。該模型采用了高壓縮率 3D VAE 架構，時間與空間壓縮比達到高達 4×16×16，信息壓縮率提升至 64，均實現(xiàn)了開源模型的最高水平，僅需 22G 顯存（單張消費級顯卡）即可在數(shù)分鐘內生成 5 秒高清視頻，是目前 24 幀每秒、720P 像素級的生成速度最快的基礎模型。

自今年 2 月以來，通義萬相已連續(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 500 萬。

IT之家附開源地址：

GitHub：https://github.com/Wan-Video/Wan2.2

HuggingFace：https://huggingface.co/Wan-AI

魔搭社區(qū)：https://modelscope.cn/organization/Wan-AI

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。