奥黛丽·赫本真令人倾心！阿里开源通义万相全能视频大模型

摘要： 5月15日消息，5月14日晚，阿里巴巴正式开源通义万相Wan2.1-VACE，这是业界功能最全的视频生成与编辑模型，单一模型可同时支持文生视频、图像参考视频生成...

5月15日消息，5月14日晚，阿里巴巴正式开源通义万相Wan2.1-VACE，这是业界功能最全的视频生成与编辑模型，单一模型可同时支持文生视频、图像参考视频生成、视频重绘、视频局部编辑、视频背景延展以及视频时长延展等全系列基础生成和编辑能力。

本次共开源1.3B和14B两个版本，其中1.3B版本可在消费级显卡运行，开发者可在GitHub、Huggingface及魔搭社区下载体验。

据介绍，Wan2.1-VACE支持全部主流输入形式，涵盖文本、图像、视频、Mask和控制信号，可以实现角色一致性、布局、运动姿态和幅度等要素的控制。

例如，Wan2.1-VACE可以基于物体参考图或者视频帧生成一段视频，也可以通过抹除、局部扩展等操作，对原有视频进行重新生成，该模型还可以通过深度图、光流、布局、灰度、线稿等控制信号对视频进行编辑。

Wan2.1-VACE还支持任意基础能力的自由组合，用户无需针对特定功能训练一个新的专家模型，即可完成更复杂的任务，极大地扩展了AI视频生成的想象空间。

例如，将图片参考和主体重塑功能组合，可以实现视频的物体替换；将图片参考、首帧参考、背景扩展和时长延展功能，可以将一张竖版图片变成横版视频，并且在其中加入参考图片中的元素。

据悉，自今年2月以来，通义万相已先后开源文生视频模型、图生视频模型和首尾帧生视频模型，目前在开源社区的下载量已超330万，在GitHub上斩获超1.1w star，是同期最受欢迎的视频生成模型。