通义万相发布新版2.1 —— 最新的视频创造模型

万相2.1指的是什么？

通义万相2.1是阿里巴巴最新发布的一个升级版本产品。该版本借助自主研发的高效VAE和DiT架构提升了时空情境的理解与处理效能，并且能够对无限长度的1080P视频进行高效的编码解码，特别引人注目的是它首次实现了根据中文文本生成视频的功能。在VBench评估排名中，通义万相2.1名列前茅。此版本不仅能够在复杂的动作场景下稳定地呈现人物动态，还能高度逼真地模拟现实中的物理规则，并且提供一键制作具有影视级质感和多样艺术风格的中英文字幕特效的能力。此外，它支持通过文本生成相关联图像序列的功能，运用IC-LoRA技术增强了从文本到视觉内容转换时对上下文的理解能力。

万像2.1的核心特性

• 制作影片
  • 精细动作演示准确呈现多样化的角色动作细节，包括旋轉、腾跃、转体与滚动，并结合灵活变换的摄像视角，使得影片内容更为鲜活逼真。
  • 物理学原理的复现精确再现现实世界中的物理法则，包括碰撞、弹跳、切分和压缩等现象。例如，在视频中创建雨水打在伞面上飞溅的效果，从而增强其真实的视觉体验。
  • 中文与英文的视频效果制作本平台配备多样化的视频特效功能，涵盖过渡效果、粒子动画及仿真场景等多种选择，并支持快速制作中英双语字幕的精彩特效，大幅提升影片的画面吸引力。
  • 艺术样式变换拥有卓越的艺术渲染能力，可快速变换视频的画面效果和美学特征，包括但不限于电影级色彩调整、绘画般的细腻笔触及抽象表达等形式，进而创作出多种不同风格的视觉内容。
• 图像创造
  • 实现分镜头的逼真再现重现电影级别的镜头效果，保证人物形象、外貌特征、动作设计以及场景布置与光线处理等方面的连续性，使叙事内容与视觉体验及整体气氛达到和谐统一。
  • 四帧漫画制作依据用户提供的漫画情节和艺术风格，创作一系列四格连环画，简洁地叙述一个短小的故事。
  • 个性化头像设计服务依据用户的兴趣和个性特征，设计独一无二的情侣与个人形象图标。服务涵盖多样化的艺术样式，如动漫风、现实主义风以及创新概念风等，旨在迎合各类用户的个性化偏好。

万相2.1的核心技术机制

• 变分自编码器结构变分自编码器（VAE）作为一种生成式模型，其工作原理是通过编码器把原始输入转换为潜变量的空间表达，并利用解码器将这一潜变量表达还原成与原输入相似的数据形式，以此来达成数据的重构与生成目标。
• DiT结构DiT（Temporal Diffusion）架构作为一种利用扩散模型进行数据生成的方法，在时序过程中逐渐添加并减少噪音以最终创建内容。这种机制使DiT能够精准地把握视频的时间空间特性，并实现快速的数据编码与解码，同时保证了所产生视频的高质量标准。
• IC-LORAIC-LoRA作为一种创新的图像合成训练技术，通过融合视觉元素与文字说明来提升从文字转化为图片时的情境准确度，确保最终产生的图象能更贴合使用者的文字描绘及预期目标。
• 情境化建模通过提升对时空环境的解析与构建技巧，更精准地诠释并创造连贯且统一的视频素材，确保其中的动作、背景及艺术风格等方面更为和谐自然。

万相2.1的工程位置

• 官方网站项目进入通义万相的AI视频官方网页，使用电脑启动你的视频制作之旅。

万相2.1的视频示例

文本效果

• 以红色新年宣纸作为底衬，一滴浓墨轻轻落下，在纸上慢慢扩散开来。文字线条模糊而流畅，“福”字逐渐显现于纸上，其色泽由浓郁渐变为淡雅，散发出浓厚的东方美学气息。整个背景设计简约高雅，具备杂志拍摄般的质感。

• 广角镜头下，塞纳河边夜空璀璨夺目，烟火如梦似幻地绽放开来。随后画面聚焦于由火花构成的淡粉色彩“2025”，紧接着这一景象慢慢淡化消失。

锻炼

• 一辆车正在积雪覆盖的道路疾驰而过。视角来自高空俯瞰，揭示了道路两侧林立的树木以及远处绵延的山脉景象。车辆沿着直线路径行进，在白色的雪景与深色森林之间形成了强烈的视觉对比效果。整个画面在自然光照耀下显得非常清晰，并散发出一种纪录片式的现实主义氛围。

• 巨大的海浪顶端，一位冲浪者腾空跃起，并在半空中旋转。摄像机则从波涛中破浪而出，记录下阳光穿透海水的美妙时刻。飞溅的水珠勾勒出一道优美的曲线，而冲浪板轻拂水面时留下的轨迹清晰可见。画面最终凝固于冲浪者穿越如帘瀑布般的水流那一刹那的壮丽景象之中。

特殊效果

• 一条巨大的飞龙环绕着一座熊熊燃烧的城市飞翔，其鳞片闪烁着火光的光芒。摄像机自下而上拍摄，展现出那条在火焰与浓烟中时隐时现的巨龙轮廓。它强有力的翅膀拍动空气，引发强烈气流，使得四周火焰四散飞扬。

真实呈现

• 镜头特写捕捉到了一双满是老茧的手，在木材上精心雕琢。手中紧握着刻刀，锋利的刃口在飞扬的木屑中闪烁光芒，木质纹理清晰可见，手指灵活地穿梭于雕刻工具之间，描绘出细腻复杂的图案和花纹。背景模糊不清，只留下工作台面与零散摆放的各种木工器具作为点缀，突显出手部技艺的精湛以及工匠精神的核心所在。

• 以45度角从上方定格拍摄的画面展现了一个中景场景，采用浅焦距效果捕捉到晨曦透过梧桐树洒下的斑驳光影。画面焦点落在一只身着围裙的橘猫身上，它正专注地挥刀切割黄瓜，尾巴则随着切菜的动作轻轻摆动。背景里灶台上的炊烟缓缓升起，在木案和旧铁锅上斜射而来的阳光映照下散发出一股温馨的光芒。

人物聚焦

• 一个女子的特写画面展示着她的情绪变化：最初面带笑容，随即表情转为哀伤，紧接着泪流满面，最终她用手遮住了自己的脸部。

群像画面/宏大视效/多元化视角

• 晨曦初露之际，身着中世纪盔甲的两大军队正激烈交锋。

万相2.1的使用情境

• 影片创作为了提升视觉体验，在古装剧中制作诸如大军冲锋和箭矢如雨的古代战斗特效。
• 创建宣传影片创作一则针对运动饮料的广告，描绘出青年在锻炼之后享受饮用的情景，并强调产品的功效。
• 教育支持在历史课程中，教室播放了关于赤壁之战的视频，以辅助学生们更好地领会这一重要历史事件。
• 文化创意拍摄关于书法艺术的纪实影片，录制书法家创作时的画面，展现其书写技艺。
• 媒体报道：对交通事故进行报道，并制作事故现场的模拟视频，以清楚地重现事故发生的过程。