阿里巴巴旗下的通義萬相近日宣布了其2.1版本模型的重大升級，此次升級在視頻與圖像生成能力上實現(xiàn)了顯著提升，為用戶帶來了更為豐富和高質(zhì)量的創(chuàng)作體驗。
在視頻生成領(lǐng)域，通義萬相2.1憑借自研的高效VAE和DiT架構(gòu)，顯著增強了時空上下文建模能力。這一技術(shù)突破使得系統(tǒng)能夠支持無限長1080P視頻的高效編解碼，大大提升了視頻處理的靈活性和效率。尤為新版本首次實現(xiàn)了中文文字視頻生成功能，并在VBench榜單上榮登榜首，彰顯了其在視頻生成技術(shù)上的領(lǐng)先地位。
通義萬相2.1不僅支持中英文視頻的一鍵藝術(shù)字生成，還提供了多種視頻特效選項，如過渡效果、粒子效果和模擬效果等，極大地豐富了視頻的視覺表現(xiàn)力。無論是制作宣傳視頻還是個人短片，用戶都能輕松實現(xiàn)專業(yè)級的視覺效果。
在圖像生成方面，通義萬相2.1同樣表現(xiàn)出色。新版本采用了IC-LoRA圖像生成訓練方法，結(jié)合DiT架構(gòu)，顯著增強了文本到圖像的上下文能力。用戶只需對多張圖像進行拼接與聯(lián)合描述，即可實現(xiàn)關(guān)聯(lián)圖像間的組合生成，并保持特征穩(wěn)定連續(xù)。這一功能為設(shè)計師和攝影師提供了更多創(chuàng)意空間，讓圖像創(chuàng)作更加便捷和高效。
通義萬相2.1還支持復(fù)雜運鏡，能夠還原碰撞、反彈、切割、擠壓等真實世界的物理規(guī)律。例如，在模擬雨滴落在傘面上的場景中，系統(tǒng)能夠精確呈現(xiàn)水花濺起的細節(jié)，使畫面更加逼真和生動。這一功能在廣告制作、動畫制作等領(lǐng)域具有廣泛的應(yīng)用前景。
