阿里巴巴今晚震撼发布开源视频生成模型”通义万相Wan2.2″，这一里程碑式成果包含三款核心模型：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-IT2V-5B），标志着视频生成技术实现重大突破。业界首创MoE架构，计算效率提升50%通义万相2.2率先在视频生成扩散模型中引入MoE（Mixture of Experts）架构，创新性地解决了视频生成处理Token过长导致的计算资源消耗过大难题。其中文生视频和图生视频模型总参数量达27B，激活参数14B，均为业界首个采用MoE架构的视频生成模型。该架构由高噪声专家模型和低噪专家模型组成，分别负责视频的整体布局和细节完善。在同参数规模下，可节省约50%的计算资源消耗，同时在复杂运动生成、人物交互、美学表达等维度上实现显著提升。首创电影美学控制系统Wan2.2的一大亮点是首创的”电影美学控制系统”，在光影、色彩、构图、微表情等方面达到专业电影水平。用户通过输入”黄昏”、”柔光”、”边缘光”、”暖色调”、”中心构图”等关键词，模型可自动生成金色落日余晖的浪漫画面；而使用”冷色调”、”硬光”、”平衡图”、”低角度”的组合，则能生成接近科幻片的画面效果。消费级显卡即可部署的5B统一模型通义万相还开源了一款5B小尺寸的统一视频生成模型，单一模型同时支持文生视频和图生视频功能。该模型采用高压缩率3D VAE架构，时间与空间压缩比达到4×16×16，信息压缩率提升至64，均实现开源模型的最高水平。该模型仅需22G显存（单张消费级显卡）即可在数分钟内生成5秒高清视频，是目前24帧每秒、720P像素级生成速度最快的基础模型，大幅降低了AI视频生成的技术门槛。多渠道开放使用开发者可在GitHub、HuggingFace、魔搭社区下载模型和代码，企业可通过阿里云百炼调用模型API，普通用户还可在通义万相官网和通义APP直接体验。自今年2月以来，通义万相已连续开源文生视频、图生视频、首尾帧生视频和全能编辑等多款模型，在开源社区的下载量已超500万次，为AI视频生成技术的普及和发展做出重要贡献。开源地址:GitHub:https://github.com/Wan-Video/Wan2.2HuggingFace:https://huggingface.co/Wan-AI魔搭社区:https://modelscope.cn/organization/Wan-AI
