阿里巴巴旗下的通义万相近日宣布了其2.1版本模型的重大升级，此次升级在视频与图像生成能力上实现了显著提升，为用户带来了更为丰富和高质量的创作体验。
在视频生成领域，通义万相2.1凭借自研的高效VAE和DiT架构，显著增强了时空上下文建模能力。这一技术突破使得系统能够支持无限长1080P视频的高效编解码，大大提升了视频处理的灵活性和效率。尤为新版本首次实现了中文文字视频生成功能，并在VBench榜单上荣登榜首，彰显了其在视频生成技术上的领先地位。
通义万相2.1不仅支持中英文视频的一键艺术字生成，还提供了多种视频特效选项，如过渡效果、粒子效果和模拟效果等，极大地丰富了视频的视觉表现力。无论是制作宣传视频还是个人短片，用户都能轻松实现专业级的视觉效果。
在图像生成方面，通义万相2.1同样表现出色。新版本采用了IC-LoRA图像生成训练方法，结合DiT架构，显著增强了文本到图像的上下文能力。用户只需对多张图像进行拼接与联合描述，即可实现关联图像间的组合生成，并保持特征稳定连续。这一功能为设计师和摄影师提供了更多创意空间，让图像创作更加便捷和高效。
通义万相2.1还支持复杂运镜，能够还原碰撞、反弹、切割、挤压等真实世界的物理规律。例如，在模拟雨滴落在伞面上的场景中，系统能够精确呈现水花溅起的细节，使画面更加逼真和生动。这一功能在广告制作、动画制作等领域具有广泛的应用前景。
