阿里开源电影级AI视频模型！MoE架构，5B版本消费级显卡可跑

主要观点总结

文章介绍了阿里开源的新一代视频生成模型Wan2.2，包括文生视频、图生视频和混合视频生成。Wan2.2率先将MoE架构实现到了视频生成扩散模型中，可实现电影级效果。模型具有强大的电影级美学控制系统，用户可通过选择美学关键词获取电影质感的视频画面。此外，Wan2.2还在复杂运动能力和复杂指令遵循能力方面有了大幅度提升。

关键观点总结

关键观点1: Wan2.2是首个将MoE架构引入视频生成的模型

MoE架构通过将复杂输入拆分给多个专家模型分别处理，实现在模型参数扩充的前提下，不额外增加多余的计算负载。Wan2.2根据扩散模型的阶段性降噪过程，利用信噪比将模型分为高噪模型和低噪模型。

关键观点2: Wan2.2实现了电影级美学控制

用户可通过选择美学关键词，如光影氛围塑造、镜头语言表达和色彩情绪渲染等，获取电影质感的视频画面。模型还提供不同的镜头焦距和镜头类型等。

关键观点3: Wan2.2在复杂运动能力和指令遵循能力方面有所提升

模型针对面部表情、手部运动、单人与多人交互以及高强度复杂体育运动的真实性进行了优化。此外，模型还具有强大的复杂指令遵循能力，可以生成物理规律严谨且细节丰富的现实世界动态表现。

免责声明