狼叫兽

通义万相2.1版模型升级：视频生成、图像生成能力显著提升

近日，阿里旗下通义万相宣布推出2.1版本的模型升级。此次升级主要针对视频和图像生成两大功能进行了改进和优化。

在视频生成方面，通义万相2.1引入了自研的高效VAE和DiT架构，增强了时空上下文建模能力，并实现了中文文字视频生成功能。该功能在VBench榜单中名列第一。

此外，通义万相2.1还支持中英文视频一键生成艺术字，并提供多种视觉效果选项，如过渡、粒子效果、模拟等。用户可以根据自己的需求选择合适的特效来增强视频的表现力。

同时，在图片生成方面，通义万相2.1采用了IC-LoRA图像生成训练方法，并利用DiT架构来增强文本到图像的上下文能力。通过多张图像的拼接与联合描述，可以实现关联图像间的组合生成，并保持特征稳定连续。

总之，通义万相2.1版模型升级在视频和图像生成领域取得了显著进展，为用户提供了更加优质、多样化的服务。期待通义万相在未来能够带来更多令人惊喜的创新。