阿里又开源了！电影级视频模型，业界首用MoE架构，通义App已上线

主要观点总结

阿里通义万相团队推出首个开源MoE视频生成模型Wan2.2，包括文生视频、图生视频和统一视频生成三款模型。该模型在光影、构图、色彩等美学要素上实现电影级控制，通过60多个参数调整生成高质量视频。使用MoE架构，计算资源消耗降低，支持消费级显卡部署。此外，模型还引入数据扩容和美学精调技术，提升生成视频的多样性和美学表达。针对复杂运动生成和物理世界还原能力进行优化，使视频更真实。Wan2.2的推出有望推动AI视频生成工具向专业化发展。

关键观点总结

关键观点1: 首个使用MoE架构的视频生成模型推出

阿里通义万相团队推出的Wan2.2模型是业界首个使用MoE架构的视频生成模型，总参数量为27B，激活参数14B，在同参数规模下可节省约50%的计算资源消耗。这一创新技术有助于提高视频生成的质量和效率。

关键观点2: 电影级美学控制系统引入60+参数

阿里通义万相团队推出的电影级美学控制系统，通过引入60多个专业参数，实现了对光影、色彩、镜头语言等美学要素的电影级控制。用户可以通过直观选择美学关键词，智能生成具有电影质感的视频画面。

关键观点3: MoE架构降低计算负载

Wan2.2模型使用MoE架构，通过高噪和低噪专家模型的搭档，有效降低了计算负载。这种架构在减少计算负载的同时，提高了模型的效果，为大规模视频生成模型的应用提供了可能。

关键观点4: 数据扩容和美学精调提升生成质量

Wan2.2模型通过数据扩容和美学精调技术的引入，提升了生成视频的多样性和美学表达。训练数据的显著扩充和升级，提高了模型的泛化能力和创作多样性。

关键观点5: 复杂运动生成和物理还原能力的提升

Wan2.2模型针对复杂运动生成和物理还原能力进行了优化。通过构建人类面部原子动作和情绪表情系统、丰富的手部动作系统以及对多项基础物理定律与现象的优化，显著增强了生成视频的真实感。

免责声明