Wan-Move – 阿里聯(lián)合清華等開源的可控視頻生成框架

Wan-Move：革新可控視頻生成新紀元

由阿里巴巴通義實驗室等頂尖機構(gòu)聯(lián)手打造的Wan-Move，正以其前瞻性的可控視頻生成框架，引領(lǐng)著視頻創(chuàng)作的新浪潮。該框架憑借其獨特的潛在軌跡引導(dǎo)技術(shù)，實現(xiàn)了令人驚嘆的高質(zhì)量視頻控制。其核心優(yōu)勢在于，無需對現(xiàn)有圖像到視頻模型進行任何架構(gòu)上的改動，便能賦予用戶對視頻的精細化、點級控制能力。Wan-Move能夠生成長達5秒、分辨率達480p的視頻，其控制的精確度與商業(yè)級系統(tǒng)不相上下。

Wan-Move的誕生，不僅為視頻生成領(lǐng)域注入了新的活力，更通過其配套的MoveBench基準測試，為衡量和比較各類控制方法提供了一個大規(guī)模、高質(zhì)量的評判標準。MoveBench囊括了海量的樣本數(shù)據(jù)以及詳盡的軌跡標注，為研究人員和開發(fā)者提供了堅實的基礎(chǔ)。

Wan-Move的卓越功能一覽

• 引領(lǐng)級的控制質(zhì)量：Wan-Move可生成5秒、480p的高清視頻，其控制的逼真度和準確性堪比行業(yè)領(lǐng)先的商業(yè)系統(tǒng)，充分滿足了追求卓越視覺效果的視頻創(chuàng)作需求。
• 獨樹一幟的潛在軌跡引導(dǎo)：該框架巧妙地利用潛在軌跡引導(dǎo)，通過在第一幀特征的基礎(chǔ)上，沿著預(yù)設(shè)軌跡生成時空特征圖，無需額外引入復(fù)雜的模塊，即可實現(xiàn)與現(xiàn)有圖像到視頻模型的無縫融合。
• 實現(xiàn)像素級的掌控：Wan-Move賦予用戶對畫面中每一個元素的精細化、區(qū)域級控制能力，讓視頻創(chuàng)作者能夠隨心所欲地實現(xiàn)高度個性化的視覺呈現(xiàn)。
• 強大的MoveBench基準測試：為科學(xué)評估控制效果，Wan-Move提供了MoveBench這一強大的基準測試平臺，其包含的大規(guī)模、多樣化樣本以及高質(zhì)量的軌跡標注，為不同方法的性能比較提供了客觀依據(jù)。
• 開放易用的開發(fā)生態(tài)：Wan-Move的全部代碼、預(yù)訓(xùn)練模型權(quán)重以及MoveBench基準測試均已開源，極大地降低了使用門檻，讓廣大開發(fā)者能夠迅速投入到視頻生成和控制的創(chuàng)新實踐中。

Wan-Move背后的技術(shù)玄機

• 精妙的潛在軌跡引導(dǎo)機制：Wan-Move的核心在于其潛在軌跡引導(dǎo)技術(shù)。它將物體的抽象為密集的點軌跡，并將其映射至潛在空間。通過在第一幀特征基礎(chǔ)上沿軌跡進行特征傳播，生成與精確對齊的時空特征圖，從而實現(xiàn)對視頻生成過程中的精妙調(diào)控。
• 極簡的集成設(shè)計：該框架的最大亮點之一是其無需對現(xiàn)有圖像到視頻模型（例如Wan-I2V-14B）進行任何架構(gòu)上的改動，也無需添加額外的編碼器，即可實現(xiàn)強大的控制功能，展現(xiàn)了其卓越的兼容性和極佳的擴展?jié)摿Α?/li>
• 海量數(shù)據(jù)驅(qū)動的高質(zhì)量生成：憑借海量數(shù)據(jù)的訓(xùn)練和持續(xù)的優(yōu)化，Wan-Move能夠生成高質(zhì)量的5秒、480p視頻。其控制的精準度與商業(yè)系統(tǒng)比肩，確保了視頻的視覺沖擊力和的真實感。
• 全方位的細粒度控制：通過將物體的以密集點軌跡的形式進行表示，Wan-Move使用戶能夠?qū)鼍爸械拿恳粋€細微之處進行精確的區(qū)域級控制，從而創(chuàng)造出極具個性化和藝術(shù)表現(xiàn)力的視頻效果。
• MoveBench：客觀公正的評估利器：為了對控制的成效進行驗證和評估，Wan-Move精心打造了MoveBench基準測試。該測試集包含了海量樣本、多樣化的內(nèi)容類別、長時長的視頻以及高質(zhì)量的軌跡標注，為科研和開發(fā)工作提供了一個標準化的、公正的測試平臺。

Wan-Move的開放資源通道

• 官方項目網(wǎng)站：https://wan-move.github.io/
• GitHub代碼倉庫：https://github.com/ali-vilab/Wan-Move
• HuggingFace模型庫：https://huggingface.co/Ruihang/Wan-Move-14B-480P
• 深度解析的arXiv論文：https://arxiv.org/pdf/2512.08765

Wan-Move賦能多元應(yīng)用場景

• 激發(fā)無限創(chuàng)意，賦能視頻創(chuàng)作：無論是動畫制作、特效設(shè)計，還是創(chuàng)意短視頻的拍攝，用戶都可以通過定義物體的軌跡來生成具有特定動態(tài)效果的視頻，輕松實現(xiàn)復(fù)雜的場景，極大地提升了創(chuàng)作效率和藝術(shù)表現(xiàn)力。
• 廣告營銷的革新利器：在廣告視頻領(lǐng)域，Wan-Move能夠生成引人入勝的動態(tài)產(chǎn)品展示或品牌故事，通過精細的控制有效抓住觀眾眼球，顯著提升廣告的吸引力和傳播效果。
• 視頻編輯的智能化助手：Wan-Move支持對視頻的首幀進行靈活編輯，并將這些修改無縫應(yīng)用到整個視頻中。同時，它還具備復(fù)制和相機控制能力，為視頻編輯人員提供了強大的工具，實現(xiàn)快速的內(nèi)容調(diào)整和優(yōu)化。
• 教育培訓(xùn)的生動化表達：在教育領(lǐng)域，Wan-Move可以生成富有動態(tài)演示效果的教學(xué)視頻，如物理實驗的模擬、生物過程的動畫等，通過生動形象的展示，幫助學(xué)生更直觀、深入地理解和掌握知識。
• 游戲開發(fā)的新視野：在游戲開發(fā)過程中，Wan-Move能夠生成逼真且富有表現(xiàn)力的動畫效果，如角色動作、場景動態(tài)變化等，從而顯著提升游戲的視覺效果和玩家的沉浸式體驗。
• VR/AR體驗的深度延展：Wan-Move能夠生成與虛擬現(xiàn)實（VR）或增強現(xiàn)實（AR）環(huán)境完美契合的動態(tài)視頻內(nèi)容，為用戶提供更加真實、沉浸式的感官體驗，拓展了虛擬與現(xiàn)實的界限。