2025年5月14號晚上，阿里巴巴旗下的通義萬相團(tuán)隊(duì)把萬相Wan2.1 - VACE的視頻編輯與生成統(tǒng)一模型開源，該ai模型不僅可以直接“生成”視頻，還能對已有視頻進(jìn)行各種復(fù)雜的編輯和再創(chuàng)作處理。而且，只需一個(gè)模型就能完成所有這些工作，你可以精準(zhǔn)控制視頻中角色的動(dòng)作、姿態(tài)、方向、構(gòu)圖布局、運(yùn)動(dòng)軌跡、風(fēng)格風(fēng)貌等。

核心優(yōu)勢

萬相Wan2.1 - VACE是現(xiàn)在視頻生成和編輯功能最全的解決方案。它一個(gè)模型架構(gòu)就能搞定好多視頻處理任務(wù)，像用文字生成視頻、參考圖片生成視頻、給視頻重繪、局部修改視頻內(nèi)容、擴(kuò)展視頻背景，還能延長時(shí)間。而且它還支持多任務(wù)一起做，用戶在一個(gè)流程里就能完成復(fù)雜的視頻編輯，創(chuàng)作過程簡單多了。

另外，Wan2.1-VACE還有一大優(yōu)勢是允許用戶可以將多個(gè)基礎(chǔ)功能自由組合，靈活搭配，形成復(fù)雜應(yīng)用場景。

這個(gè)模型有1.3B和14B兩種參數(shù)規(guī)模。1.3B這種輕量級的版本，用消費(fèi)級顯卡就能流暢運(yùn)行，還能輸出480P的視頻；14B的滿血版能支持更高分辨率，像720P，效果更好。

技術(shù)創(chuàng)新

這個(gè)模型引入了全新的視頻條件單元VCU，把文生視頻、參考圖生視頻、視頻生視頻和局部視頻生視頻這些視頻生成和編輯任務(wù)統(tǒng)一起來了。VCU能將各種輸入，像文字、圖片等，轉(zhuǎn)化成文本、幀序列和Mask序列，為多任務(wù)自由組合打下了基礎(chǔ)。

它還對VCU輸入的幀序列進(jìn)行處理，把它們分成可變序列和不可變序列分別編碼，解決了token序列化的問題，讓多模態(tài)輸入的處理效率更高了。

實(shí)際應(yīng)用

用這個(gè)模型能把一幅豎版的《蒙娜麗莎》靜態(tài)圖片，變成橫版動(dòng)態(tài)視頻，還能給人物加上眼鏡，一下就完成了畫幅擴(kuò)展、時(shí)長延展和圖像參考這三項(xiàng)任務(wù)，給創(chuàng)作者的創(chuàng)意發(fā)揮提供了很大空間。

下載途徑

開發(fā)者可以在GitHub、Huggingface以及魔搭社區(qū)這幾個(gè)平臺下載和體驗(yàn)這個(gè)模型。

• GitHub：https://github.com/Wan-Video/Wan2.1

• HuggingFace：https://huggingface.co/Wan-AI

• 魔搭社區(qū)：https://www.modelscope.cn/organization/Wan-AI?tab=model

Wan2.1 - VACE開源，讓視頻生成技術(shù)從只能做單個(gè)任務(wù)，向多個(gè)任務(wù)組合發(fā)展前進(jìn)了一大步，給視頻創(chuàng)作者提供了更加便捷和高效的工具。