阿里云通义万相2.1视频生成模型强势升级，荣登vbench权威榜首！此次升级在复杂运动模拟、物理规律遵循和艺术表现力方面取得显著提升，全面超越国内外同类模型，包括混元、海螺ai、gen3和pika等。
VBench榜单领先地位
VBench评测涵盖16个维度，对视频生成模型进行全面评估，包括一致性、流畅度和稳定性等。通义万相在运动幅度、多对象生成和空间关系等关键指标上获得最高分，最终以84.7%的总分夺冠。
突破物理模拟难题
精准模拟物理世界是视频生成领域的核心挑战。以往模型在复杂运动场景下容易出现肢体扭曲或违反物理定律的情况。通义万相团队通过自研高效的VAE和DiT架构，有效增强了时空上下文关系建模能力，解决了这一难题。
DiT架构创新
全新DiT架构采用时空全注意机制，更精准地模拟现实世界的动态变化；参数共享机制则提升性能并降低训练成本；优化的文本嵌入提升了文本可控性并降低计算需求。
VAE架构创新
通义万相的创新视频编解码方案，通过分块缓存中间特征，解决了长视频编解码的显存限制问题，支持无限长1080P视频的高效编解码，为任意时长视频训练提供了新途径。
卓越的视频生成能力
基于全新架构，通义万相能够更稳定地生成包含大幅度肢体运动和旋转的视频，例如花样滑冰、游泳和跳水等高难度动作，都能保持肢体协调性和物理真实性。此外，它还支持中文文字生成和中英文文字特效生成，满足广告设计和短视频创作等多种需求。
例如，输入“平拍一位女性花样滑冰运动员在冰场上进行表演的全景。她穿着紫色的滑冰服，脚踩白色的滑冰鞋，正在进行一个旋转动作。她的手臂张开，身体向后倾斜，展现了她的技巧和优雅”，即可生成一段高精度、符合物理规律的专业级花样滑冰视频。
全面开放，赋能开发者
目前，通义万相2.1模型已全面开放，用户可在官网免费使用。个人开发者和企业用户还可通过阿里云百炼调用API，开发更丰富的AI应用。
