今天起，漢字也能AI視頻生成了！

原標題：今天起，漢字也能AI視頻生成了！
文章來源：科技未來派
內容字數：2893字

阿里云通義萬相2.1：AI視頻生成技術的新突破

人工智能技術日新月異，在視頻生成領域更是取得了令人矚目的進展。近日，阿里云通義萬相迎來了重磅升級，推出了其2.1版本的視頻生成模型。這一升級在視頻生成的復雜度、物理精度和藝術表現力等方面實現了全面提升，并在權威評測榜單VBench中摘得桂冠，標志著AI視頻生成技術邁向了新的高度。

VBench榜首，實力認證

VBench作為視頻生成領域的權威評測集，涵蓋了16個關鍵評分維度，對模型的整體一致性、動作流暢度、畫面穩定性等進行全方位評估。通義萬相2.1在幅度、多對象生成、空間關系等方面獲得了最高分，最終以84.7%的總分榮登榜首，其卓越性能得到了權威機構的認可。

攻克難題，精準模擬現實

精準理解和模擬物理世界是視頻生成模型的核心挑戰。以往的模型在處理大幅度和復雜的物理場景時往往力不從心，生成的視頻容易出現肢體扭曲、違背物理規律等問題。通義萬相團隊通過自研高效的VAE和DiT架構，有效增強了時空上下文關系建模能力，解決了這一難題。

突破技術瓶頸，實現更逼真、更流暢的視頻

得益于全新的架構，通義萬相2.1在生成大幅度肢體和旋轉的視頻方面表現更為穩定。即使是花樣滑冰、游泳、跳水等高難度動作，也能精準地展現肢體協調性和軌跡的合理性。此外，它還支持中文文字生成能力，并同時支持中英文文字特效生成，成為首個具備此功能的視頻生成模型，極大地拓展了其應用范圍，滿足了廣告設計、短視頻制作等領域的創作需求。

時空全注意機制與高效編解碼方案

通義萬相2.1在DiT設計中采用了時空全注意機制，能夠更準確地模擬現實世界的復雜動態。同時，引入的參數共享機制不僅提升了模型性能，還降低了訓練成本。此外，對文本嵌入的優化提升了文本可控性并減少了計算需求。在視頻VAE方面，創新的視頻編解碼方案能夠支持無限長1080P視頻的高效編解碼，為任意時長視頻的訓練提供了新的可能性。

免費開放，賦能開發者與企業

目前，通義萬相2.1模型已全面開放，用戶可在官網免費使用。個人開發者和企業用戶還可通過阿里云百煉調用通義萬相API，進一步開發更豐富的AI工具和應用，共同探索AI視頻生成技術的無限可能。

結語

通義萬相2.1的發布，不僅是阿里云在AI領域的一次重大突破，也為AI視頻生成技術的發展樹立了新的標桿。相信隨著技術的不斷進步，AI將為我們帶來更加精彩紛呈的視頻內容，改變我們創作和體驗世界的方式。

聯系作者

文章來源：科技未來派
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破