阿里通义万相 2.1 模型宣布升级：首次实现中文文字视频生成功能

时间：2025-01-10 22:24:31 栏目：新闻资讯浏览：1

IT之家 1 月 10 日消息，阿里旗下通义万相宣布推出2.1 版本模型升级，视频生成、图像生成两大能力均有显著提升。

（图侵删）

在视频生成方面，通义万相 2.1通过自研的高效 VAE 和 DiT 架构增强了时空上下文建模能力，支持无限长 1080P 视频的高效编解码，首次实现了中文文字视频生成功能，登上 VBench 榜单第一。

据介绍，通义万相 2.1 支持中英文视频，都可以一键生成艺术字，还提供多种视频特效选项，以增强视觉表现力，例如过渡、粒子效果、模拟等等。

▲Prompt：以红色新年宣纸为背景，出现一滴水墨，晕染墨汁缓缓晕染开来。文字的笔画边缘模糊且自然，随着晕染的进行，水墨在纸上呈现“福”字，墨色从深到浅过渡，呈现出独特的东方韵味。背景高级简洁，杂志摄影感。

IT之家注意到，通义万相 2.1 还支持复杂运镜，可还原碰撞、反弹、切割、挤压等真实世界的物理规律，例如雨滴落在伞上会溅起水花。

▲Prompt：一对穿着正式晚礼服的夫妇在回家途中遭遇大雨，他们撑着黑色雨伞。平拍镜头下，男士穿着黑色西装，女士穿着白色长裙。他们在雨中缓缓行走，雨水沿着伞面滴落。镜头跟随他们的步伐平稳移动，展现出他们在雨中的优雅姿态。

图片生成方面，通义万相 2.1 支持文生组图，采用了 IC-LoRA 图像生成训练方法，利用 DiT 架构，增强文本到图像的上下文能力；对多张图像进行拼接与联合描述即可实现关联图像间的组合生成，并保持特征稳定连续。

▲Prompt：浪漫的公园里，一对青年男女在温馨的拥抱交谈

关键词：