ITCOW牛新网 1月10日消息，阿里巴巴旗下通义万相宣布推出全新升级的 2.1 版本，进一步优化了视频生成和图像生成的核心技术，为内容创作者提供更强大的生成能力和更高效的工具支持。
视频生成：首创中文文字视频生成功能，时空建模能力显著增强
通义万相 2.1 在视频生成方面实现了技术突破，采用自研高效的 VAE（变分自动编码器） 和 DiT（Diffusion Transformer） 架构，显著提升了对时空上下文的建模能力。这一升级不仅使得其能够高效编解码无限长度的 1080P 视频，还首次支持中文文字的视频生成功能，成功登顶 VBench 榜单第一。
新版本支持中英文视频生成，并可一键添加艺术字等多样化效果，同时提供丰富的视频特效选项，例如过渡、粒子效果和模拟等，以增强视觉表现力。此外，通义万相 2.1 能够实现复杂运镜操作，精准模拟真实物理规律，例如雨滴落在伞面上溅起水花的细节，进一步提升了动态效果的真实感。
图像生成：支持文生组图，强化多图像关联生成能力
在图像生成方面，通义万相 2.1 推出了 IC-LoRA 图像生成训练方法，结合 DiT 架构，进一步增强了文本到图像的上下文关联能力。新版本不仅支持单张图像生成，还能够对多张图像进行拼接与联合描述，生成具有逻辑关联性的组合图像，同时保持特征的稳定性和连续性。
这一能力对需要跨场景或多主题表达的创作需求尤为适用，例如可以轻松实现故事场景的连贯呈现，或将复杂的设计元素统一整合到一组图像中，大幅提高创作效率。