今天起，汉字也能AI视频生成了！《滕王阁序》直接拿捏到位了

78 0 0

文章摘要

阿里通义万相最近推出了两个新版本的视频生成模型，通义万相2.1极速版和通义万相2.1专业版，分别针对视频生成的速度和质量进行了优化。这两个模型在处理复杂运动、还原真实物理规律、提升影视质感和优化指令遵循方面表现出色，其性能在权威评测集VBench中以84.70%的成绩位居榜首。

新模型不仅能够生成复杂的汉字，还能生成英文单词，并带有各种视觉效果。它们能够理解并生成《滕王阁序》等文学作品的意境，以及精确还原切肉等动作的物理规律。此外，通义万相还能处理各种风格的视频，如中世纪真人写实风和卡通动画，并且用户可以自定义视频尺寸。

技术层面上，通义万相采用了VAE与DiT架构协同发力，通过视频VAE高效压缩视频信息并提取关键特征，而DiT则捕捉视频中的时空动态。团队还实现了超长序列训练的突破，运用4D并行策略，包括数据并行、全量分片数据并行、环形注意力机制和优化技术，以提升训练效率和稳定性。最后，团队通过自动化数据构建管线和多维度评估体系，驱动数据和评估的优化。

阿里通义万相的新版本不仅在技术创新上取得了进展，而且在实际体验上也走到了AI视频领域的前沿，能够生成汉字的能力在全球范围内也是独一无二的。现在，用户可以在线免费体验这些模型，或者通过阿里云百炼调用API来打造自己的专属应用。