通義萬相可生成包含中文字的影片了!

AI資訊

通義萬相可生成包含中文字的影片了!

2025年，阿里巴巴旗下的通義萬相（Tongyi Wanxiang）視頻生成模型迎來了重大升級，正式實現了能生成包含中文文字的影片，這一突破性進展在國內外視頻生成領域引起了廣泛關注。通義萬相不僅支持中文文字的生成，還能同時處理中英文文字特效，並搭配多種視覺特效和真實物理模擬，為用戶帶來前所未有的視頻創作體驗。

通義萬相中文文字生成的技術突破

傳統的AI視頻生成模型多半在文字生成方面受限於語言和字體，尤其是中文這種結構複雜的文字，生成效果常常不理想。通義萬相2.1版本通過自研的高效變分自編碼器（VAE）和視覺Transformer（DiT）架構，顯著提升了時空上下文的建模能力，成功實現了中文文字的高品質生成。用戶只需輸入簡短的中文描述，模型便可生成電影級質感的視頻，文字筆畫清晰自然，並能融合多種藝術字體和動態特效，展現出濃厚的中國風韻味。

例如，當用戶輸入“紅色新年宣紙背景上，一滴水墨緩緩擴散形成‘福’字，墨色由深至淺，筆畫邊緣自然暈染”的指令時，通義萬相能精準還原水墨暈染的細膩變化，配合柔和光影和動態粒子效果，呈現出極具東方美學的視頻畫面。

多元化的視頻特效與真實物理模擬

除了文字生成，通義萬相2.1還支持多種視頻特效，如過渡、粒子、模擬等，讓視頻內容更加豐富生動。其先進的物理模擬技術能夠真實還原雨滴落傘、物體碰撞反彈等自然現象，提升視頻的真實感和沉浸感。

這使得通義萬相在廣告設計、短視頻創作、舞台視覺效果等領域擁有強大競爭力。春晚舞台背景中絢麗的花燈效果、油畫風格的視覺盛宴，都曾由通義萬相技術支持，彰顯其在大型視覺工程中的應用實力。

通義萬相的市場影響與應用前景

通義萬相成為首個支持中文文字視頻生成的模型，標誌著中國AI視頻生成技術已達國際領先水平。其在權威評測VBench中以84.7%的總分登頂，超越多款國內外競品，展現出卓越的運動幅度、多物體生成和空間關係處理能力。

對於內容創作者、自媒體運營者、廣告製作公司等用戶而言，通義萬相提供了極大便利和創作自由。只需輸入中文指令，即可快速生成高質量視頻素材，降低了專業視頻製作的門檻，推動視頻內容生產的智能化與規模化。

未來，隨著模型持續優化和生態完善，通義萬相將在教育培訓、文化傳播、娛樂媒體等更多場景發揮重要作用，助力中國文化以嶄新形式走向世界。

開源推動生態繁榮

2025年2月，阿里巴巴宣布全面開源通義萬相2.1模型及其推理代碼，並在Github、HuggingFace等平台向全球開發者開放。這一舉措不僅促進了技術交流與創新，也加速了視頻生成技術在全球範圍內的應用落地。

開源版本支持文生視頻和圖生視頻任務，開發者可基於此構建多樣化的視頻創作工具，推動AI視頻生態的繁榮與多元發展。

總結而言，通義萬相成功實現包含中文文字的視頻生成，是中國AI視頻技術的一大里程碑。它不僅突破了中文視頻文字生成的技術瓶頸，還以多樣化特效和真實物理模擬提升視頻品質，為內容創作帶來革命性變革。隨著開源生態的擴展，通義萬相將持續引領視頻生成領域的技術革新與產業升級。