四连发！通义万相重磅开源

主要观点总结

通义万相2.2正式开源，包括文生视频模型Wan2.2-T2V-A14B和图生视频模型Wan2.2-I2V-A14B等。该模型率先引入MoE架构视频生成模型，解决了视频生成处理Token过长导致的计算资源消耗大问题。同时，开源模型还包括一个5B小尺寸的统一视频生成模型，支持文生视频和图生视频，具有高效率和高压缩比。此外，通义万相还引入了电影美学控制系统，用户可以通过输入关键词生成特定美学的视频。

关键观点总结

关键观点1: 引入MoE架构解决视频生成处理计算资源消耗问题

通义万相2.2率先在视频生成扩散模型中引入MoE架构，有效解决了视频生成处理Token过长导致的计算资源消耗大问题，在同参数规模下可节省约50%的计算资源消耗。

关键观点2: 提出电影级美学控制系统

通义万相2.2在训练数据中引入了专门的美学精调阶段，并提出了电影级美学控制系统，通过细粒度地训练，使视频生成的美学属性与用户给定的prompt提示词相对应。

关键观点3: 开源5B小尺寸统一视频生成模型

此次开源还包括一个5B小尺寸的统一视频生成模型，该模型同时支持文生视频和图生视频，可在消费级显卡上部署。它采用了高压缩率3D VAE架构，实现了高压缩比和高生成效率。

免责声明