阿里通义万相最新宣布，其“首尾帧生视频模型”已正式向公众开源。这款模型拥有惊人的140亿参数，堪称业界首个达到如此规模并对外开放的同类模型。
借助这款模型，用户只需提供起始和结束两帧图像，它便能自动生成一段高清720p视频，无缝衔接首尾画面，极大提升了视频生成的灵活性和个性化程度。这一创新技术，无疑为AI视频创作领域带来了革命性的突破。
相较于传统的文生视频或单图生视频技术，首尾帧生视频模型在可控性方面展现出了显著优势，成为众多AI视频创作者梦寐以求的功能。然而，这类模型的训练难度极大，需要同时满足指令遵循、视频内容与首尾帧高度一致、视频过渡自然流畅等多重严苛要求。
为了攻克这些难题，阿里通义万相团队在现有的Wan2.1文生视频基础模型架构上进行了大胆创新，引入了额外的条件控制机制，实现了流畅且精准的首尾帧变换。在训练阶段，团队精心构建了专属的首尾帧模式训练数据，并采用并行策略优化文本与视频编码模块、扩散变换模型模块，从而大幅提升了模型训练和生成效率，确保了高分辨率视频的生成质量。
在推理阶段，为了在有限内存资源下支持高清视频推理，团队巧妙运用了模型切分策略和序列并行策略。这些策略在确保推理效果不受损的前提下，显著缩短了推理时间，使得高清视频的生成更加高效便捷。
基于这款强大的模型，用户能够完成更加复杂、个性化的视频生成任务。例如，用户只需上传两张相同位置但不同时间段的外景图片，并输入一段提示词，模型便能生成一段展现四季交替或昼夜变化的延时摄影效果视频。用户还可以通过旋转、摇镜、推进等运镜控制，将两张不同画面的场景巧妙衔接起来，既保证了视频与预设图片的一致性，又让视频镜头更加丰富多变。
目前，用户可在通义万相官网上直接免费体验这款模型，也可在Github、Hugging Face、魔搭社区等平台下载模型进行本地部署和二次开发。此次开源举措，无疑将进一步推动AI视频生成技术的发展与应用，为广大创作者提供更加便捷、强大的创作工具。
