Wan2.1 是由阿里巴巴云开发的一款开源AI模型，专为高效、高质量的视频生成而设计。它在多个方面表现出色，包括文本到视频（T2V）、图像到视频（I2V）、视频编辑和文本到图像（T2I）等功能，并且能够生成中英文双语字幕，使其在多语言应用场景中具有独特优势。Wan2.1 基于扩散变换器范式构建，通过流匹配框架增强，其核心创新包括 Wan-VAE 和 Video Diffusion DiT，能够高效处理1080P视频并保持时间连贯性。在 VBench 基准测试中，Wan2.1 的总体得分为86.22%，超越了竞争对手 Sora 的84.28%。它在 ID 一致性、单对象准确性和空间位置准确性方面表现出色，尽管在运动平滑性和大运动生成方面略逊一筹，但差距非常小。Wan2.1 的开源特性使其对开发者极为友好，开发者可以轻松获取其代码并进行定制和集成。其应用场景广泛，涵盖内容创作、教育、影视、广告、游戏等多个领域，能够为不同行业提供强大的支持。