在 VBench 等权威基准中表现卓越 (综合得分 84.7%+)，尤其擅长处理复杂动态、空间关系和多对象交互。
轻量级 1.3B 模型仅需约 8GB VRAM，即可在主流消费级 GPU 上流畅运行，大幅降低使用门槛。
不仅限于 T2V/I2V，更支持视频编辑、修复、扩展、音频生成 (V2A) 等多样化创作需求。
率先实现视频内中英双语文本的清晰生成，支持多种字体特效，极大拓展应用边界。
新颖的 3D 时空 VAE，显著提升编解码效率与质量，支持高分辨率长视频处理，兼顾速度与显存。
遵循 Apache 2.0 许可证，完全开放模型代码与权重，积极拥抱社区，共同推动技术进步与应用落地。
精准生成包含大幅度肢体动作、物体旋转、场景变换及镜头运动的逼真视频流。
示例: 模拟雪地摩托车手在雪地上疾驰扬雪的动态镜头。
准确模拟现实世界的物理规律，生成符合直觉的物体交互与动态效果。
示例: 熊猫在城市街道上表演高难度滑板特技，包括跳跃、旋转和滑行，动作流畅自然，展现精湛技巧。
提供媲美电影的视觉质感，生成纹理丰富、光影真实、风格多样的视频画面。
示例: 特写电影镜头捕捉变形间谍的面部。
基于 Wan-Edit 技术，支持多样化的视频编辑操作，实现对内容的精细调整。
示例: 在保留视频主体结构的同时，替换背景或添加元素。
突破性地支持在视频画面中直接生成清晰、动态的中英双语文字，可应用多种字体与特效。
提示示例 (水墨艺术): "红色新年纸背景上，一滴墨水缓缓扩散，形成模糊自然的「福」字，墨色由深至浅，展现东方美学。"
示例: 为产品演示视频添加动态的标语或注解。
不仅生成视觉，更能智能匹配或生成与画面内容、节奏相符的音效和背景音乐 (V2A)。
提示示例 (冰块掉落): "特写镜头，冰块从高处掉落到玻璃杯中，产生碎裂声和液体晃动声..." (生成匹配的音效)
示例: 为动画短片自动生成贴合情节氛围的背景音乐。
万相 2.1 提供不同参数规模和功能的模型变体，满足从快速验证到高质量创作的各类需求，均遵循 Apache 2.0 许可证开放源码。
13亿参数
文本到视频 (T2V)，主打 480p 分辨率。专为消费级 GPU 优化，VRAM 需求低 (约 8GB)。
140亿参数
文本到视频 (T2V)，提供卓越质量，支持 480p/720p 分辨率，具备独特的中英双语文本生成能力。
140亿参数
图像到视频 (I2V)，结合图像参考与文本提示生成视频，提供 480p 和 720p 两种高质量变体。
140亿参数
首尾帧到视频 (FLF2V)，根据起始与结束帧智能合成中间过渡，生成流畅视频，支持多 GPU 加速。
🚀 阿里巴巴通义实验室推出首个 140 亿参数的首尾帧到视频生成大模型！该模型完全开源，为数字艺术家提供前所未有的创作效率与灵活性。
生成电影级、高保真的视频内容，细节丰富，物理效果逼真。
精准捕捉和生成复杂的物体运动、镜头移动和自然的动态交互。
独特的视频内中英双语文本生成能力，为内容创作增添更多可能。
先进的 Wan-VAE 技术带来更快的处理速度和更优的资源利用效率。
开源结合消费级硬件支持，让人人都能体验前沿 AI 视频技术。
受益于全球开发者的贡献、优化与集成，生态持续发展壮大。
万相 2.1 基于主流的扩散 Transformer (DiT) 范式，并引入了创新的 3D 时空变分自编码器 (Wan-VAE) 来高效处理视频数据。它还采用了 Flow Matching 技术，并通过 T5 编码器理解文本提示，利用交叉注意力机制融合文本与视觉信息。
硬件需求取决于模型版本。1.3B T2V 模型对消费级 GPU 非常友好，最低仅需约 8GB VRAM。而 14B 的模型（T2V, I2V, FLF2V）则需要更强大的硬件，推荐使用具有 24GB 或更多 VRAM 的专业级 GPU (如 A100, RTX 4090)，甚至可能需要多 GPU 配置来进行高效推理。
万相 2.1 在 VBench 等基准上表现出色，常被认为在某些指标（如运动平滑度、主体一致性）上优于或媲美 Sora 等闭源模型。其主要优势在于开源、消费级硬件支持（1.3B模型）和独特的双语文本生成。Sora 和 Veo 2 可能是闭源的，可能在特定美学质量或长视频生成上有所侧重，但万相 2.1 提供了更高的灵活性和效率。
虽然万相 2.1 能够生成高质量视频，但与所有生成模型一样，输出质量可能存在一定的不稳定性，有时会出现伪影、变形或细节控制不佳的情况（尤其在复杂场景或特定风格下，如人物肖像）。其他局限性包括：较大模型生成速度相对较慢、对硬件要求高、以及开源模型普遍存在的内容安全和伦理风险（如缺乏内置水印）。
您可以访问官方的 GitHub 仓库获取源代码、模型权重和详细的使用说明。模型也已集成到 Hugging Face Hub、Diffusers、ComfyUI 等流行平台，方便用户直接调用或在本地部署。社区也提供了许多教程和工具。
万相 2.1 的代码和模型权重均遵循 Apache 2.0 许可证进行开源。这意味着它允许用户自由地使用、修改和分发，包括商业用途，但需要遵守许可证的相关条款（如保留版权声明和免责声明）。