【ＡＩ】阿里（０９９８８）發布及開源全新語音驅動生視頻模型

　　《經濟通通訊社２７日專訊》阿里巴巴（０９９８８）正式發布並開源全新Ｗａｎ２﹒２－
Ｓ２Ｖ語音驅動生視頻（Ｓｐｅｅｃｈ－ｔｏ－Ｖｉｄｅｏ）模型，專為數字人視頻創作而開發
，公司稱可透過單張圖片及一段音頻，即可生成高品質的動畫視頻。其模型是阿里巴巴
Ｗａｎ２﹒２視頻生成系列的一員。用戶可在Ｈｕｇｇｉｎｇ　Ｆａｃｅ、ＧｉｔＨｕｂ以及阿
里雲開源社區ＭｏｄｅｌＳｃｏｐｅ下載Ｗａｎ２﹒２－Ｓ２Ｖ。
　
　　阿里稱，Ｗａｎ２﹒２－Ｓ２Ｖ支持肖像、半身以及全身等多種畫幅形式的視頻創作，模型
可依據文本指引動態生成人物動作與場景元素，協助專業內容創作者捕捉精準的視覺表現，以滿
足特定敘事與設計需求。
　
　　該技術亦支持４８０Ｐ、７２０Ｐ的解像度輸出，既適用於社交媒體內容，也適合專業展示
。
　
　　阿里亦提到，另一項重要突破在於模型創新的幀處理技術，可將任意長度的歷史幀壓縮為單
一且緊湊的隱層特徵，大幅降低計算消耗，並成功實現長視頻的穩定生成，從而解決長時段動畫
內容製作中的關鍵挑戰。
　
　　阿里巴巴已於２０２５年２月開源Ｗａｎ２﹒１系列模型，並於同年７月開源Ｗａｎ２﹒２
系列模型。至今Ｗａｎ系列模型在Ｈｕｇｇｉｎｇ　Ｆａｃｅ與ＭｏｄｅｌＳｃｏｐｅ平台的總
下載量已突破６９０萬次。（ｒｈ）