阿里开源最新、最强大的视频生成模型万相2.1一手实测

原标题：阿里开源最新、最强大的视频生成模型万相2.1一手实测
文章来源：科技未来派
内容字数：2286字

阿里巴巴万相2.1：开源AI视频生成模型，引领行业新风向

最近，阿里巴巴通义实验室正式开源了其最新一代视频生成模型——万相2.1系列。这一消息在AI圈内引发热议，因为它代表着AI视频生成技术迈向了一个新的里程碑。作为一名AI领域的爱好者，我也第一时间进行了体验和测试，并在此分享我的感受和一些测试结果。

万相2.1：更流畅、更真实、更丰富的AI视频生成

万相2.1在多个方面展现了显著的提升，其核心优势在于：

• 复杂：模型能够更流畅自然地生成复杂的场景，即使是多人互动或高难度动作，也能轻松驾驭。
• 物理模拟：物体交互更加真实，例如液体流动、物体碰撞等，极大地增强了视频的沉浸感。
• 视觉文字：支持中英文动态文字生成，拓展了视频的应用场景，让视频内容更具表达力。
• 音效音乐：实现了视听一体化的体验，自动生成的音效和音乐与视频内容高度契合，提升了视频的感染力。

实测体验：惊艳与不足并存

为了更直观地了解万相2.1的能力，我进行了多项测试，结果喜忧参半：

复杂测试

测试案例1：5个人在舞台上跳街舞。结果显示，虽然动作能够生成，但略显僵硬，真实感有待提升。

测试案例2：在空中飞翔的鹰，正面跟拍镜头。这个效果非常惊艳，鹰的飞行姿态和镜头都非常自然流畅，真实感极强。

物理模拟测试

测试案例1：牛奶从玻璃壶倒入水杯中。牛奶上升的动态准确，但牛奶在玻璃杯中的视觉效果略有不自然。

测试案例2：切牛排的特写镜头。这个测试结果令人印象深刻，刀切牛排的质感和细节都非常逼真。

视觉文字测试

测试案例1：天空中的云朵组成“新年快乐”（英文）。即使没有明确指定语言，模型也能生成不错的英文效果。

测试案例2：天空中的云朵组成“新年快乐”（中文）。明确指定中文后，生成效果同样出色，但文字略有重叠。

自动生成音效音乐测试

测试案例1：年轻女士弹钢琴。模型自动生成了逼真的钢琴声，与画面完美匹配。

测试案例2：飞机从头顶飞过。飞机的轰鸣声也得到了准确的还原。

总的来说，万相2.1在复杂、物理模拟、视觉文字和音效音乐方面都有显著进步，已跻身AI视频生成模型第一梯队。但同时也存在一些不足，例如在生成复杂场景时，偶尔会出现一些AI错误，例如人物出现多条腿等情况。

开源的意义与未来展望

万相2.1的开源，为AI视频生成领域带来了无限可能。其强大的功能和不断完善的生态系统，预示着它未来有望成为顶级AI视频生成模型。

获取方式

感兴趣的朋友可以通过以下链接体验万相2.1：

• 通义官网：https://tongyi.aliyun.com/wanxiang/videoCreation
• Github地址：https://github.com/Wan-Video
• HuggingFace地址：https://huggingface.co/Wan-AI
• 魔搭社区地址：https://modelscope.cn/organization/Wan-AI

期待万相2.1在未来能够取得更大的突破，为我们带来更多精彩的AI视频作品。

联系作者

文章来源：科技未来派
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