阿里开源全能视频大模型，单一模型全面支持视频生成和编辑
每经杭州5月14日电（记者叶晓丹）5月14日晚，《每日经济新闻》记者获悉，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。
据阿里云方面介绍，Wan2.1-VACE基于通义万相文生视频模型研发，同时创新性提出了全新的视频条件单元（VCU），它在输入形态上统一了文生视频、参考图生视频、视频生视频，基于局部区域的视频生视频4大类视频生成和编辑任务；同时，Wan2.1-VACE还进一步解决了多模态输入的token（词元）序列化难题，将VCU输入的帧序列进行概念解耦，分开重构成可变序列和不可变序列后进行编码。
据了解，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。
（文章来源：每日经济新闻）
