阿里開源 14B 影片模型 Wan2.1-FLF2V：輸入首尾幀即可生成過渡

Wan2.1-FLF2V-14B 是阿里巴巴開源的 14B 引數影片生成模型，它的核心功能非常簡單直接：只要給它輸入起始和結束兩張畫面，模型就能自動補齊中間的動態過渡。

它能做什麼

傳統的文生影片或圖生影片往往像開盲盒，鏡頭往後怎麼演變很難精準控制，結局經常偏離預期。這個模型專門解決了首尾連貫的問題。

創作者只要定好第一幀和最後一幀，模型就能負責把兩幅畫面之間的複雜運動連貫起來。這讓短影片製作者和特效師能精準控制鏡頭起止，大幅降低了構圖和分鏡的試錯成本。

在 Wan 的官方網站上，使用者可以通過提示詞直接免費生成 5 秒、720p 解析度的過渡影片。相關程式碼和模型權重也已經同步上線 GitHub、Hugging Face 和阿里自家的 ModelScope 社群。

它是怎麼跑起來的

要在兩張靜態圖之間生成平滑自然的過渡，最大的挑戰是運動過程中容易出現畫風突變或形變崩潰。

Wan2.1-FLF2V 採用了一種附加控制調節機制。這個機制把使用者提供的起始幀和結束幀作為控制條件，把兩張圖的語義特徵直接注入到整個生成過程中。

有了這層約束，模型在動態生成幀序列時，就能兼顧首尾幀的風格、內容和結構，在呈現複雜位移的同時確保畫面穩定不跳戲。

該模型屬於 Wan2.1 基礎模型家族。阿里在 2025 年 2 月開源了四款 Wan2.1 模型，至今在 Hugging Face 和 ModelScope 上的下載量已經超過 220 萬次。該系列是首個支援中英文文字特效的影片生成模型，在綜合基準 VBench 榜單上位列第一。

為什麼重要

對於動畫師、短影片創作者和獨立遊戲開發者來說，這非常值得立刻一試。傳統制作運鏡過渡往往需要手繪中間畫或靠 3D 渲染，現在只要畫好頭尾兩張關鍵幀，中間的動態橋接就可以交給它來完成。

在很多開源模型還在卷單純的「單圖動起來」時，阿里把首尾幀定向控制做成了完整的 14B 開源權重，走得很聰明。儘管 14B 引數在本地部署時對顯示卡視訊記憶體要求不低，目前生成規格也卡在 5 秒 720p，但作為一套可控的工作流底座，它已經能給影片生產線省下大量時間。