"汉字"这个难关万博全站APP官网登录，今天终于被AI 视频生成给拿下了！

话未几说，咱们径直先来看后果：

这个"福"字，就这么被 AI 水汪汪地一笔一划滴了出来。

再如底下这个例子，咱们的 Prompt 是：

有汉字"量子位"，古风。

但这么照旧略显单调，咱们上一下难度：

赛博一又克作风城市夜景，镜头视角是车辆在马路上行驶，对面大楼楼体有强大的 LED 告白牌，上头写着"量子位"三个字。

好的，咱们也算是打了一波赛博告白了。

那么让字数再多小数，AI 是否能 hold 住呢？

咱们径直来挑战一下：

水彩透叠插画作风，三只不同神气的可人小猫咪手举着一条超大的鱼，从右边走到左边。它们隔离穿戴粉色、蓝色和黄色的小背心，眼睛圆圆的，表情呆萌。充满童趣，笔触清雅温馨，简笔画作风。纯白配景上慢慢夸耀出来几个字体，写着："摸鱼一天 雀跃广泛"。

不错看到，这段视频中固然有一个小污点（"摸"字多了一笔），但举座是把 Prompt 中的本色给归附了出来。

天然，复杂的汉字都能处理，这个 AI 天然也不错生成英文单词，而且照旧带"花活儿"的那种（底下还有中语版）：

那么，这到底是何许 AI 是也？

不卖关子，它就是阿里通义万相刚刚升级的 2 个新版块视频生成模子：

通义万相 2.1 极速版：八成让 AI 高效、快速地生成视频；

通义万相 2.1 专科版：更珍视 AI 视频生成的质地。

在举座体验事后，咱们八成裸露感受到模子举座性能有了大幅的提高。

尤其是在处理复杂通顺、归附实在物理规则、提高影视质感以及优化辅导遵守方面。

据了解，新版通义万相如故以84.70%的得益登上泰斗评测集 VBench 榜首的位置，一起高出 Gen3、Pika、CausVid 等国表里视频生成模子。

不外有一说一，能生成汉字，也还仅仅通义万相智商升级的一隅。

接下来，咱们就不时来看下它在视频生成中的更多智商。

《滕王阁序》都能领悟

值得一提的是，这个新升级的模子并不是 PPT 哦，是如故上线了的那种 ~

当今东谈主东谈主都不错在线免费体验了，进口和模子遴荐如下图所示：

若是你是修复者或者企业，还不错在阿里云百真金不怕火上调用 API，打造我方的专属应用。

鉴于此前大部分 AI 视频生成，在处理复杂东谈主物行动时，频频会出现转个身就鬼畜的气候。

咱们就径直来上个难度，超复杂行动——Breaking。

请听 Prompt：

在室内，镜头平拍一个番邦须眉跳轰隆舞的全景，须眉身穿灰色的上衣和绿色的裤子，镜头随着须眉的行动而挪动，须眉在舞台上进行一系列的翻腾和旋动弹作，配景中不错看到不雅众席上的不雅众和一些疲塌的舞台灯光，但焦点长久保持在舞者的行动上。

不错看到，这段 AI 视频生成一改以往的鬼畜，在如此多且复杂的行动情况下，东谈主物后果依旧是稳稳的。

再来看下跳水通顺：

细节如脚背，亦然拿抓的很到位了。

除了在连气儿复杂行动发扬浮现后果除外，归附实在物理规则，亦然评判 AI 视频生成后果的关节方向之一。

咱们不妨让《滕王阁序》来锻练一番：

落霞与孤鹜皆飞，秋水共长天一色。

不丢丑出，通义万相新版块瑕瑜常好地领悟了这句诗的田地。

而在濒临像切肉这么的行动时，归附物理规则的体现会愈加裸露：

切肉时肉块的天然分离、刀面上的镜像、肉底部的油……细节如此，细节如此。

在实在性的基础之上，若思用 AI 来打造质地更高的视频后果，那么运镜就是不行或缺的技能之一。

这小数，通义万相亦然不错十足 hold 住。

举例狐大仙蹦迪，咱们不错来个给氛围狠狠加分的运镜：

像电影场景里跑车在山谷里飞驰的画面，随着汽车的轨迹加复杂运镜亦然不错有的：

除此除外，通义万相还有个秉性就是不错拿抓各样作风的类型，颇有种影视级的嗅觉。

举例中叶纪真东谈主写实风：

再如卡通动画：

而且生成的视频尺寸亦然遴荐的哦：

那么接下来的一个问题就是：

怎样作念到的？

举座来看，此次通义万相在时代方面接管了三步走的改变阶梯。

最初，是VAE 与 DiT 架构协同发力。

视频 VAE 不错看作念一位"压缩各人"，擅长将视频中的海量信息进行高效压缩，索要出最为关节的特征。

它通过将视频拆分为多少块（Chunk），并缓存中间特征，取代了传统长视频的端到端编解码方法。

这一联想的关节在于，使显存的使用仅与 Chunk 大小揣度，而与原始视频长度无关，从而终裸露对无尽长 1080P 视频的高效编解码。

这种机制为淘气时长视频的本质提供了可行性。实验标明，在较小模子参数下，通义万相 VAE 终裸露业内高出的视频压缩与重构质地。

而 DiT 则像是一位"时空捕手"，八成猖獗地捕捉视频中的时空动态，精确地建模视频中不同元素在时候和空间上的变化揣度。

通义万相团队接管了以下优化交替：

时空全重主见机制：增强模子对复杂动态场景的建模智商。

参数分享机制：提高模子性能的同期，裁减本质老本。

文本镶嵌优化：提高文本舍弃智商，并权贵裁减筹商需求。

△通义万相 2.1 视频生成架构图

其次，是超长序列本质上的冲突。

在濒临超长序列本质这一极具挑战性的任务时，通义万相团队微妙地垄断了 4D 并行战术，犹如为模子本质打造了一台超强能源的"引擎"。

这一战术将 DP（数据并行）、FSDP（ Fully Sharded Data Parallel，全量分片数据并行）、RingAttention（环形重主见机制）、Ulysses（一种优化时代）等多种先进时代有机和会。

举例在显存优化方面，团队阐述序列长度带来的筹商和通讯需求，接受分层显存优化战术，解决显存碎屑问题，同期使用 FlashAttention3 提高时空重主见的筹商效力。

此外，通昔日冗余筹商和高效 Kernel 终了，进一步裁减访存支拨。

在文献系统优化方面，针对阿里云高性能文献系统的秉性，团队接受分片 Save/Load 方法优化数据读写性能，并通短处峰内存使用决议，解决 Dataloader Prefetch、CPU Offloading 与 Checkpoint 存储引起的内存 OOM 问题。

在浮现性提高方面，依托阿里云的智能调动、慢机检测与自愈智商，模子本质八成终了自动故障检测与任务重启，大幅提高本质经过的浮现性。

△通义万相 4D 并行散布式本质战术

临了，是数据与评估双轮运行。

通义万相团队打造了一套自动化数据构建管线，通过优化视觉质地和通顺质地，筛选整合与东谈主类偏好散布高度一致的数据集。这些数据具有各样性高、散布平衡等秉性，极大提高了本质效力。

团队还为此联想了一套笼罩好意思学评分、通顺分析、辅导遵守等多个维度的评估体系，并本质了专科的打分器。通过这些自动化方向的响应，权贵加快了模子的迭代与优化。

以上即是真金不怕火成新版通义万相的中枢时代要义了。

至此，不仅是从时代改变方面，更是从真澄澈切的体验角度来看，国产 Sora 再次走到了 AI 视频规模的前沿。

单就八成生成汉字这小数，即是各人唯独份的那种。

而从视频生成范围之广，亦然应了"通义万相"的名字—— AI 如故到了不错生成"万相"的时刻。

那么你是否也有脑洞掀开的思法，并思让它们以视频的样子呈现出来呢？

快来体验一下最新、最 Fashion 的模子吧 ~

径直体验进口：

https://tongyi.aliyun.com/wanxiang/videoCreation

API 调用：

https://bailian.console.aliyun.com/?spm=5176.29619931.J__Z58Z6CX7MY__Ll8p1ZOR.1.74cd59fckLhf3c#/model-market

参考贯穿：

https://huggingface.co/spaces/Vchitect/VBench_Leaderboard

—  完  —

点这里� � 体恤我，铭记标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日重逢 ~