Wan
Alibaba's open-source video model; the technical report states "in-house copyrighted sources plus public data" and gives a full filtering account
Overview
- HQ: Hangzhou
- Funding: Alibaba Group
- Links: https://arxiv.org/html/2503.20314
This profile was compiled from the AI training-data column cards (Video generation); each column's data view is shown below under "Data profile" (in Chinese).
阿里通义万相 Wan（2.1 / 2.2 / 2.5）
阿里开源视频模型，技报写明"内部版权来源加公开数据"及完整过滤账
- 数据类型
- 内部版权视频；公开视频；合成文字图；合成人脸
- 规模口径
- 数十亿图像与视频，图像集约为视频集近 10 倍；2.2 视频 +83.2%（公司口径）
- 客户
- 开源社区；阿里云用户
数据来源与规模
Wan 2.1 技报称候选数据来自"内部版权来源与公开可访问数据"并去重，规模仅为"数十亿图像与视频" [1]。"内部版权来源"是否即优酷等阿里平台，技报与官方均未确认。Wan 2.2 相对 2.1 图像 +65.6%、视频 +83.2%，并加入光照、构图、色调美学标签（公司口径，经 README 镜像核实）[2]。Wan 2.5 无技报，音画同步数据未披露。
加工与合成
基础维度过滤（文字占比、美学、NSFW、水印、黑边、过曝、模糊、时长）砍掉约 50%；分 100 簇抽样人工打 1-5 分，专家模型全量打分；运动分 6 档，静态与镜头驱动降采样，低质与抖动剔除，视频需 >4s。合成方面有亿级白底中文字符渲染图，个性化人脸约 O(10)M 视频，其中约 O(1)M 经 InstantID 合成 [1]。caption 为 LLaVA 式模型，人工 caption 为最高质量层。
后训练与争议
图像取专家分前 20% 加人工收集，共数百万；视频简单与复杂运动各数百万，覆盖 12 大类；SFT/DPO 对数未披露。未查到针对万相的训练数据诉讼或供应商。个人站点所称"含优酷/电商数据、200 万小时"无官方依据，不采信。