阿里巴巴正式对外开源了其先进的视频生成与编辑模型通义万相Wan2.1-VACE。这款模型不仅功能强大，而且兼容性广泛，能够一次性涵盖从文字到视频的生成、图像参考视频制作、视频重绘、局部编辑、背景延展及时长延展等一系列基础操作。

Wan2.1-VACE本次共开源1.3B和14B两个版本，其中1.3B版本可在消费级显卡运行。

主要能力：

1.视频重绘：支持通过景深、姿态、运动轨迹等多维度控制条件生成新视频。

2.局部编辑：实现视频对象的增删改，例如擦除人物、替换物体（如熊猫变狮子）。

3.图像参考生成：支持单图/多图作为主体或背景参考，例如将卡通形象与实景结合。

4.背景延展：自动扩展视频画幅（如横屏变超宽屏），或生成新背景替换绿幕。

5.时长延展：支持在时域上的生成变化，如帧延续、片段延续、相接等。

6.基础生成：基础的文生视频、图生视频、首尾帧等。

多任务组合，一次性完成视频增删改扩

Wan2.1-VACE的核心突破在于单模型支持多任务灵活组合处理，无需传统多模型串联的复杂工作流。

其支持任意基础能力的自由组合，用户无需针对特定功能训练一个新的专家模型，即可完成更复杂的任务，极大地扩展了AI视频生成的想象空间。

例如：在视频中框选区域替换为猫，同时参考原视频动作序列和新猫图片，实现局部编辑+动作迁移。

这种灵活的组合机制，不仅大幅简化创作流程，也极大拓展了 AI 视频生成的创意边界，例如：

组合图片参考 + 主体重塑功能 → 视频中物体替换

组合运动控制 + 首帧参考功能 → 静态图片的姿态控制

组合图片参考 + 首帧参考 + 背景扩展 + 时长延展 → 将竖版图拓展为横屏视频，并且在其中加入参考图片中的元素。