阿里開源 Wan2.1 影片模型：登頂 VBench，4090 顯示卡也能跑

Wan2.1 是阿里通義實驗室剛開源的一套影片生成模型，能讓你在本地直接通過文字或圖片生成高質量動態影片，甚至還能生成配套音訊。

這套工具在權威影片評測榜單 VBench 上拿到了 86.22% 的總分，直接登頂榜首，排在前面的表現甚至蓋過了 OpenAI 的 Sora，而且是榜單前五名裡唯一的開源模型。

它能做什麼

Wan2.1 一共放出了四個具體型號，覆蓋了從文字生成影片到圖片生成影片的完整需求，包括 T2V-14B、T2V-1.3B，以及支援不同解析度的 I2V-14B-720P 和 I2V-14B-480P。

它的生成速度比上一代和同類方案快了 2.5 倍，而且幾乎完全去掉了過去 AI 影片常見的畫面卡頓、肢體扭曲和奇怪噪點。在物理規律模擬、空間關係和複雜大幅度動作上，表現都相當紮實。

很有意思的是細節能力。它是目前第一個原生支援中英雙語文字渲染的影片模型，能在畫面裡準確打出招牌或字幕。此外它還支援畫面內外修補、多圖參考，並能在鏡頭運動中穩定保持已有的人體結構和角色長相。

怎麼跑起來與硬體門檻

這套模型最大的誠意在於，它沒有把普通開發者擋在門外。

如果你手頭只有消費級顯示卡，可以直接選擇 1.3B 的輕量版本。在一張普通的 RTX 4090 顯示卡或者普通筆記型電腦上，大概 4 分鐘就能渲染出一段 5 秒長的 480P 影片。

如果追求極致的影視級動態和畫質，14B 版本更適合商用團隊。圖片生影片的 14B 模型支援輸入任意常規尺寸的單張圖片，搭配簡短提示詞即可輸出動態畫面。

目前 Wan2.1 的相關模型權重和程式碼已經完全公開，你可以直接在 Hugging Face 或阿里雲的魔搭社群（ModelScope）下載權重和推理指令碼上手體驗。

為什麼重要

過去大半年，頂尖的閉源影片生成工具要麼排隊內測，要麼訂閱昂貴，創作者很難做二次定製。

Wan2.1 把接近甚至超越頂級閉源模型的能力打成了開源免費資產，我們認為這會讓本地 AI 影片工作流迅速普及。對獨立創作者和開發者來說，不需要天價算力就能在本地跑通 1.3B 快速出草稿，商用製作則能用 14B 微調，絕對值得立刻拉下來跑跑看。