阿里開源全能視頻大模型，單一模型全面支持視頻生成和編輯

每經杭州5月14日電（記者葉曉丹）5月14日晚，《每日經濟新聞》記者獲悉，阿里巴巴正式開源通義萬相Wan2.1-VACE，這是業界功能最全的視頻生成與編輯模型，單一模型可同時支持文生視頻、圖像參考視頻生成、視頻重繪、視頻局部編輯、視頻背景延展以及視頻時長延展等全系列基礎生成和編輯能力。本次共開源1.3B和14B兩個版本，其中1.3B版本可在消費級顯卡運行。

據阿里云方面介紹，Wan2.1-VACE基于通義萬相文生視頻模型研發，同時創新性提出了全新的視頻條件單元（VCU），它在輸入形態上統一了文生視頻、參考圖生視頻、視頻生視頻，基于局部區域的視頻生視頻4大類視頻生成和編輯任務；同時，Wan2.1-VACE還進一步解決了多模態輸入的token（詞元）序列化難題，將VCU輸入的幀序列進行概念解耦，分開重構成可變序列和不可變序列后進行編碼。

據了解，自今年2月以來，通義萬相已先后開源文生視頻模型、圖生視頻模型和首尾幀生視頻模型，目前在開源社區的下載量已超330萬。

封面圖片來源：視覺中國-VCG211478193393