阿里巴巴製作了其AI驅動的視頻和圖像生成模型系列WAN 2.1，可作為開源軟件自由使用，將自己定位於Openai的Sora和Google的VEO 2。儘管OpenAI和Google對他們的模型進行了嚴格的控制，但阿里巴巴正在通過開放訪問進行更廣泛的採用。 2024年12月，該公司將其QWEN-VL車型的價格削減了85％，使其AI更容易訪問。
The following month, Alibaba launched Qwen 2.5, a multimodal AI model with a 1-million-token context length, and soon after, it unveiled Qwen 2.5-Max, which uses Mixture-of-Experts (MoE) architecture to optimize processing power.
現在，使用 WAN 2.1免費提供，阿里巴巴正在增加對繼續商業化視頻模型的AI公司的競爭壓力。
使用Wan 2.1（source 2.1（source）
WAN 2.1系列包括針對不同任務和計算需求優化的四個AI視頻生成模型。 The T2V-1.3B model is a lightweight text-to-video variant designed for 480P resolution and can run efficiently on consumer GPUs like the RTX 4090.
The T2V-14B and I2V-14B models offer higher quality 720P video generation, requiring enterprise-grade GPUs such as A100, H100, and H800 for optimal performance.此外，WAN 2.1支持圖像到視頻（I2V），視頻對動畫（V2A）和文本對圖像（T2I）任務，從而實現平滑運動合成和增強的分辨率縮放。
While smaller models prioritize efficiency, larger versions focus on high-quality AI-generated video with improved motion continuity and scene accuracy, making Wan 2.1 one of the most versatile open-source AI video generation frameworks available.
The Wan 2.1 models demonstrate strong scalability across different GPUs, making it accessible to users with both consumer-grade and high-end enterprise hardware.性能取決於使用的模型，分辨率和使用的GPU的數量。
nvidia的RTX 4090可以使用8.19GB的VRAM在單個GPU上以480p分辨率在261.4秒內以480p分辨率處理T2V-1.3B模型。當縮放到八個GPU時，性能會提高到112.3秒，內存使用率增加到12.2GB。 720p分辨率的更先進的T2V-14B模型在H800/H100 GPU上運行，處理時間從一個GPU的1837.9秒減少到八個GPU的287.9秒，而存儲器消耗下降，而69.1GB的時間從69.1GB下降到29.9GB.7GB在單個GPU上的內存。但是，當使用八個GPU時，處理時間將減少到778.2秒，峰值存儲器下降至32.9GB。 WAN 2.1的可伸縮性使其成為用戶的吸引人選擇，而無需訪問Openai的Sora或Google的VEO所使用的昂貴AI加速器。
wan 2.1由於其開放源可訪問性而脫穎而出，使其成為AI視頻生成空間中獨特的產品。與Sora和Weo 2不同，它仍然是專有的並且需要企業級基礎架構，WAN 2.1在Apache 2.0許可下可用，使開發人員和研究人員能夠將其集成到無限制的自定義AI應用程序中。
該模型支持多個AI任務，包括Text-vide-text-vide（VIDE）（VIDE）（VIDE）（VIDE）（VIDE）（VIDE）（vide）（vide）（vide），Image Image（vide），Image i 2（vide），Image i 2（VIDE），Image Im Image Im Image（Image Im Image i 2） T2i）。它的低VRAM要求使其能夠在RTX 4090（例如RTX 4090）等消費者GPU上有效運行，這使其比競爭模型更容易訪問，該型號需要昂貴的AI加速器。
另一個關鍵優勢是其高度的時間精度，通過其視頻VAE Encoder-Decoder系統實現，確保了一致的視頻協調，以確保在1080p nestrountion nistorcessions nescountions nesorce nistorce nescorce nistorence nistorce nescorce。此外，WAN 2.1對英語和中文都進行了優化，使其可用於全球用戶。
這些技術優勢的位置WAN 2.1在AI視頻中是一種負擔得起的，可擴展的和高性能的替代方案，為開發人員提供了更大的靈活性，與Openai，Google，Google，Meta和Meta的強度相比，它的靈活性更高
阿里巴巴根據WAN Bench分享了以下基準結果，該框架旨在評估AI生成的視頻模型的性能和質量，特別是WAN 2.1系列中的錄像帶。它提供了跨視頻生成多個維度的結構化和標準化的評估，從而可以直接與Openai Sora，Mochi，Mochi，Cogvideox和Cntopa變體等最新模型進行比較。 WAN BENCH根據客觀和主觀標準測量AI視頻生成的不同方面。
