在科技与创新的前沿，阿里巴巴于7月28日晚间宣布了一项重大进展——开源了其电影级视频生成模型通义万相Wan2.2。这一模型突破性地将光影、色彩以及镜头语言等电影核心美学要素融入其中，用户能够自由调控超过60个直观参数，极大地加速了电影级画面的创作流程。
通义万相团队通过展示《星际穿越》、《布达佩斯大饭店》及《海上钢琴师》等经典影片的场景，生动诠释了Wan2.2的实力。目前，该模型已能实现单次5秒高清视频的生成，用户还能借助多轮提示词，进一步完成短片创作。未来，通义万相计划延长单次视频生成的时长，进一步提升视频创作的便捷性。
此次开源的Wan2.2包括三款核心模型：文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）以及统一视频生成模型（Wan2.2-TI2V-5B）。尤为前两款模型均为业界首次采用MoE架构的视频生成模型，拥有27B的总参数量，其中14B为激活参数。这些模型由高噪声专家和低噪专家两部分组成，分别负责视频的宏观布局与细节优化。在相同参数规模下，它们能节省约50%的计算资源，有效解决视频生成中因Token过长导致的资源消耗问题，同时在复杂运动表现、人物互动、美学呈现等方面也取得了显著提升。
通义万相还推出了一款5B小尺寸的统一视频生成模型，该模型同时支持文本到视频和图像到视频的生成，且能在消费级显卡上运行。它采用了高压缩率的3D VAE架构，时间与空间压缩比分别达到4倍、16倍和16倍，信息压缩率更是提升至64倍，均达到了开源模型的顶尖水平。仅需22G显存，该模型就能在几分钟内生成5秒高清视频，是当前生成24帧每秒、720P像素级视频速度最快的基础模型之一。
现在，开发者可以在GitHub、HuggingFace以及魔搭社区下载Wan2.2的模型和代码，企业用户则能通过阿里云百炼平台调用模型API。同时，通义万相官网和通义APP也为用户提供了直接体验的机会。
自今年2月以来，通义万相已陆续开源了多款视频生成与编辑模型，包括文生视频、图生视频、首尾帧生视频及全能编辑等，这些模型在开源社区的下载量已超过500万次，成为了开源社区中最受欢迎的视频生成模型之一。
