新版通义万相来了
阿里通义万相2.1：AI视频生成新突破，汉字也能轻松驾驭
阿里巴巴通义万相最新升级的2.1版本（包含极速版和专业版）在AI视频生成领域取得了显著突破，尤其是在处理汉字方面展现出全球领先的能力。文章详细介绍了该模型的各项新功能和技术创新，并通过多个案例展示其强大的视频生成能力。
1. 汉字生成能力的突破
通义万相2.1能够流畅地生成包含汉字的视频，无论是简单的单个汉字，还是复杂的句子，甚至包含大量文字的场景，都能精准还原。文章以“福”字、 “量子位”等例子，展示了模型在不同风格（古风、赛博朋克、水彩插画等）下的出色表现，并指出即使是复杂的语句如“摸鱼一天 快乐无边”，模型也能较好地完成，虽然存在细微瑕疵。
2. 复杂动作和物理规律的精准还原
以往AI视频生成在处理复杂人物动作时常出现失真现象，而通义万相2.1则显著改善了这种情况。文章通过霹雳舞和跳水等案例，展示了模型在处理高难度、连续性动作时的稳定性和精准度，甚至连跳水员脚背等细节都能清晰展现。此外，模型对物理规律的还原也相当出色，例如切肉场景中肉块分离、刀面镜像、底部油脂等细节都得到了体现，以及对《滕王阁序》中意境的精准把握。
3. 运镜和风格控制能力
通义万相2.1不仅能够生成高质量的画面，还具备优秀的运镜能力，可以根据用户的需求，灵活运用各种运镜技巧，营造出不同的氛围和视觉效果。文章中“狐大仙蹦迪”和“山谷跑车”的例子，充分展现了模型在运镜方面的能力。同时，该模型还支持多种风格的视频生成，例如中世纪真人写实风格和卡通动画风格，并可选择不同的视频尺寸。
4. 技术创新：三步走策略
通义万相2.1的成功并非偶然，其背后是阿里团队在技术上的三大创新：首先是VAE与DiT架构的协同，VAE负责高效压缩视频信息，DiT负责捕捉时空动态；其次是超长序列训练的突破，通过4D并行策略提升训练效率和稳定性；最后是数据与评估双轮驱动，构建高质量数据集并建立完善的评估体系。
5. 总结
通义万相2.1在AI视频生成领域取得了令人瞩目的成就，其汉字生成能力更是全球领先。通过技术创新和持续优化，该模型在视频质量、动作捕捉、物理规律还原、运镜技巧等方面都达到了新的高度，标志着国产AI视频生成技术达到了国际先进水平。目前该模型已上线，用户可以免费在线体验。
联系作者
文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破