狼叫獸

通義萬相2.1版模型升級：視頻生成、圖像生成能力顯著提升

近日，阿里旗下通義萬相宣布推出2.1版本的模型升級。此次升級主要針對視頻和圖像生成兩大功能進行了改進和優(yōu)化。

在視頻生成方面，通義萬相2.1引入了自研的高效VAE和DiT架構，增強了時空上下文建模能力，并實現(xiàn)了中文文字視頻生成功能。該功能在VBench榜單中名列第一。

此外，通義萬相2.1還支持中英文視頻一鍵生成藝術字，并提供多種視覺效果選項，如過渡、粒子效果、模擬等。用戶可以根據自己的需求選擇合適的特效來增強視頻的表現(xiàn)力。

同時，在圖片生成方面，通義萬相2.1采用了IC-LoRA圖像生成訓練方法，并利用DiT架構來增強文本到圖像的上下文能力。通過多張圖像的拼接與聯(lián)合描述，可以實現(xiàn)關聯(lián)圖像間的組合生成，并保持特征穩(wěn)定連續(xù)。

總之，通義萬相2.1版模型升級在視頻和圖像生成領域取得了顯著進展，為用戶提供了更加優(yōu)質、多樣化的服務。期待通義萬相在未來能夠帶來更多令人驚喜的創(chuàng)新。