阿里开源版Sora上线即屠榜，4070就能跑，免费商用

还能在视频里生成文字

原标题：阿里开源版Sora上线即屠榜，4070就能跑，免费商用
文章来源：量子位
内容字数：3970字

阿里巴巴开源14B参数视频生成模型Wan 2.1，性能强劲，免费商用

阿里巴巴在深夜开源了其强大的视频生成模型Wan 2.1，该模型拥有14B参数，在VBench基准测试中超越了Sora和Gen-3等竞争对手。其在复杂细节、文字生成等方面表现出色，即使是多人复杂的舞蹈动作也能精准还原。

1. 性能卓越，超越现有模型

Wan 2.1在VBench基准测试中取得了领先地位，其生成的视频在细节刻画上表现尤为突出。例如，它能够准确地捕捉到多人hip-hop舞蹈的动作同步性，以及弓弦抖动、西红柿被切时的细微变化等细节，甚至连水滴从水面溅起的效果都处理得非常自然。更令人惊喜的是，该模型已经能够在视频中生成文字，并且文字会根据所在位置的材质进行合理变化，并随载体一同，这在视频生成领域是一个显著的突破。

2. 多种版本，满足不同需求

为了满足不同用户的需求，Wan 2.1提供了14B参数（720P分辨率）和1.3B参数（480P分辨率）两个版本。1.3B版本在4090显卡上仅占用8GB显存，运行时间为4分21秒，这意味着即使是12GB显存的4070显卡也能流畅运行。此外，阿里还开源了两个14B参数的图像生视频模型，分别支持480P和720P分辨率。所有四个模型均采用Apache 2.0开源许可证，允许免费商用。

3. 便捷的访问方式和社区支持

用户可以通过通义万相平台、HuggingFace、魔搭社区或本地部署等多种方式访问和使用Wan 2.1。平台上的极速版和专业版分别对应1.3B和14B版本，用户可以使用“灵感值”进行体验。官方也计划将Wan 2.1集成到ComfyUI中，进一步降低使用门槛。

4. 技术创新，高效节能

Wan 2.1采用了创新的3D变分自动编码器和DiT架构，并结合了多种优化策略，例如特征缓存机制、时空压缩、FSDP模型切分、上下文并行性等，从而实现了高效的模型训练和推理。在编码方面，其3D变分自动编码器能够显著提高重建速度，并在单块A800上比现有SOTA方法快2.5倍。在推理阶段，通过上下文并行性策略，多卡加速实现了接近线性的加速效果。

5. 未来展望

阿里巴巴表示将会发布更详细的技术报告，进一步揭示Wan 2.1的技术细节。Wan 2.1的开源，为视频生成领域带来了新的可能性，也为个人创作者提供了更强大的工具，推动了AIGC技术的发展。

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