万相2.1开源模型评测：中文文生视频领先Sora？

开源周的热潮仍在继续，AI领域的创新者们纷纷展现出自己的实力。2月25日这一天，Claude发布了Sonnet 3.7版本，DeepSeek开源了DeepEP代码库，而阿里的万相2.1视频生成模型也正式亮相，共同构成了科技界的一幅精彩画卷。在众多AI技术中，视频生成模型无疑是最引人注目的焦点，它不仅吸引了开发者的目光，更让普通用户对AI的创造力产生了浓厚的兴趣。

万相2.1模型秉持着”能开尽开”的理念，向全球开发者开放了14B和1.3B两个参数的全部推理代码和权重。这一举措不仅支持文生视频和图生视频任务，更采用了宽松的Apache2.0协议，确保生成内容的版权完全归开发者所有，无论是用于免费渠道还是商业用途都毫无限制。在评测集VBench中，万相2.1的表现超越了Sora、Luma、Pika等国内外开源模型，展现出强大的技术实力。

万相2.1开源模型评测：中文文生视频领先Sora？

## 模型实测：效果与挑战并存

万相2.1开源模型评测：中文文生视频领先Sora？

在通义万相中，我们测试了2.1极速版和专业版两个版本，它们都是基于14B参数的模型。极速版生成速度约为4分钟，而专业版则需要1小时左右，但效果更为稳定。在文生视频方面，专业版对文本理解的精确度更高，画面清晰度也相对出色。然而，两个版本生成的视频都存在明显变形，对物理世界的细节理解有所欠缺。

万相2.1开源模型评测：中文文生视频领先Sora？

以”参考盗梦空间拍摄方式，俯拍广角镜头，酒店走廊以每秒15度角持续旋转，两位西装特工在墙壁与天花板间翻滚格斗，领带受离心力影响呈45度飘起”为提示词，专业版生成的视频在动作设计上表现出色，但画面变形问题依然存在。而”红裙女孩在蒙马特阶梯跳跃，每级台阶弹出旧物收藏盒（发条玩具/老照片/玻璃弹珠），暖调滤镜下鸽子群组成心形轨迹，手风琴音阶与脚步节奏精确同步，鱼眼镜头跟拍”这一提示词则展现了专业版在细节处理上的优势。

万相2.1开源模型评测：中文文生视频领先Sora？

万相2.1是目前全球首个能够直接生成中文文字的开源视频模型，虽然能够准确生成短文本，但超出一定长度就会出现乱码。在图生视频方面，效果相对稳定，人物一致性较高，但提示词理解不完整，细节表现不足。例如，珍珠奶茶视频中缺少珍珠，石矶娘娘的变身效果也未达到预期。

万相2.1开源模型评测：中文文生视频领先Sora？

## 技术创新：低成本、高效果、高可控

万相2.1开源模型评测：中文文生视频领先Sora？

万相2.1基于主流DiT架构和线性噪声轨迹Flow Matching，采用3D时空变分自动编码器（VAE）技术，称为Wan-VAE。这一创新通过改进时空压缩，大幅减少了内存使用，类似于将三维信息压缩为二维表示，从而解决了传统扩散模型在视频生成中的计算量过大、内存消耗过高的问题。

万相2.1开源模型评测：中文文生视频领先Sora？

Wan-VAE技术将视频分解为低维表示，先生成二维信息再还原三维，或采用分层生成方法提升效率。这一技术不仅降低了内存占用，还解决了长视频生产难题，使得模型能够在消费级显卡上流畅运行。传统高清视频数据量过大，普通显卡难以处理，而万相通过降低分辨率生成视频，再使用超分模型提升画质，在不损失性能的情况下进一步减少了29%的推理时内存占用。

万相2.1开源模型评测：中文文生视频领先Sora？

在生成效果方面，万相2.1实现了精细化的运动控制，允许用户通过文本、关键点或简单草图控制视频中物体的运动方式。模型将用户输入的运动轨迹转化为数学模型，并引入物理引擎计算结果，以提升运动的真实性。这些技术创新不仅解决了视频生成模型的大规模应用难题，还为后续迭代留下了广阔空间。

万相2.1开源模型评测：中文文生视频领先Sora？

## 开源策略：打破商业模式，降低创作门槛

万相2.1开源模型评测：中文文生视频领先Sora？

万相2.1的全面开源策略彻底打破了视频模型付费的商业模式，为普通用户降低了视频创作的门槛。其核心优势在于通过工程化能力解决实际生产场景中的难题，同时通过模块化设计为后续迭代提供了可能。2025年的视频生成赛道，万相2.1的出现无疑将带来更多精彩与创新。随着技术的不断发展和完善，我们有理由期待万相2.1在未来能够呈现更加出色的效果，为AI视频生成领域开启新的篇章。

万相2.1开源模型评测：中文文生视频领先Sora？

文章网址：https://www.wpbull.com/ai/23568.html

万相2.1开源模型评测：中文文生视频领先Sora？

相关推荐