# 字节跳动Waver 1.0重磅发布：一体化AI视频生成，支持1080p，性能碾压Sora

- Link: https://paooo.com/aigc-news/13974/
- Published: 2026-06-23T09:42:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 一体化支持文本到视频、图像到视频、文本到图像，免切换模型，工作流更简洁。
 * 最高支持1080p与2-10秒灵活时长，擅长复杂运动和多镜头连贯叙事。
 * 在Waver-Bench 1.0和Hermes运动测试集上优于现有开源与闭源模型。

> **💡 站外导读：**在AIGC浪潮下，视频生成正成为内容创作的新焦点，但现有工具常面临
> 模型切换繁琐、分辨率与时长受限、运动生成生硬等痛点。字节跳动最新推出的Waver 1.0，
> 旨在破解这一行业难题。作为新一代一体化视频生成模型，它基于修正流Transformer架构，
> 在单一框架内无缝支持文本到视频、图像到视频及文本到图像生成，并突破了1080p高分辨
> 率与复杂运动建模的瓶颈，为高效、高质量的视频内容生产开辟了新路径。

## Waver 1.0是什么

Waver 1.0 是字节跳动推出的新一代[视频生成](https://ai-bot.cn/ai-video-generation-tools/)
模型，基于修正流 Transformer 架构，支持[文本到视频](https://ai-bot.cn/ai-text-to-video-tools/)（
T2V）、[图像到视频](https://ai-bot.cn/ai-generated-video-from-images-tools/)（I2V）
和文本到图像（T2I）生成，可在单一框架内完成，无需切换模型。支持高达 1080p 的分辨
率和 2-10 秒的灵活视频长度，擅长捕捉复杂运动，生成的视频在运动幅度和时间一致性上
表现出色。在 Waver-Bench 1.0 和 Hermes 运动测试集上，Waver 1.0 的表现优于现有的开
源和闭源模型。支持多种艺术风格的视频生成，包括极致现实、动画、粘土、毛绒等。

阅读目录

 * [Waver 1.0是什么](https://paooo.com/aigc-news/13974/#waver-10%e6%98%af%e4%bb%80%e4%b9%88)
 * [Waver 1.0的主要功能](https://paooo.com/aigc-news/13974/#waver-10%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Waver 1.0的技术原理](https://paooo.com/aigc-news/13974/#waver-10%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Waver 1.0的项目地址](https://paooo.com/aigc-news/13974/#waver-10%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Waver 1.0的应用场景](https://paooo.com/aigc-news/13974/#waver-10%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13974/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![Waver 1.0](https://paooo.com/wp-content/uploads/2026/05/Waver-1.0-website-1.avif)

## Waver 1.0的主要功能

 * **一体化生成**：支持文本到视频（T2V）、图像到视频（I2V）和文本到图像（T2I）生成，
   无需切换模型。
 * **高分辨率与灵活长度**：支持最高 1080p 分辨率和 2-10 秒的视频长度，可灵活调整
   分辨率和宽高比。
 * **复杂运动建模**：擅长捕捉复杂运动，生成的视频在运动幅度和时间一致性上表现出色。
 * **多镜头叙事**：能生成多镜头连贯叙事视频，保证核心主题、视觉风格和整体氛围的高度
   一致性。
 * **艺术风格支持**：支持多种艺术风格的视频生成，如极致现实、动画、粘土、毛绒等。
 * **性能优势**：在 Waver-Bench 1.0 和 Hermes 运动测试集上，性能优于现有开源和闭
   源模型。
 * **推理优化**：采用 APG 技术，减少伪影，提高生成视频的真实感。
 * **训练策略**：通过低分辨率视频训练，逐步增加分辨率，优化运动生成能力。
 * **提示标签**：通过提示标签区分不同类型的训练数据，提升生成效果。

## Waver 1.0的技术原理

 * **模型架构**：Waver 1.0采用混合流DiT（Hybrid Stream DiT）架构，使用Wan-VAE获取
   压缩视频潜在变量，采用flan-t5-xxl和Qwen2.5-32B-Instruct提取文本特征，基于修正
   流Transformer构建DiT模型。视频和文本模态通过双流+单流的方式融合。
 * **1080p生成**：Waver-Refiner采用DiT架构，通过流匹配方法训练。先将低分辨率视频（
   480p或720p）上采样到1080p，再添加噪声，以噪声低分辨率视频为输入，输出高质量1080p
   视频。使用窗口注意力机制，减少推理步骤，显著提高推理速度。
 * **训练方法**：在低分辨率视频上训练对学习运动至关重要。投入大量计算资源在192p视频
   上训练，然后逐渐增加分辨率到480p和720p。遵循SD3中的流匹配训练设置，逐渐增加480p
   和720p视频训练时的sigma shift值。
 * **提示标签**：采用提示标签方法区分不同类型的训练数据，根据视频风格和视频质量为
   训练数据分配不同标签。在训练时，将描述视频风格的提示添加到标题前，将描述视频质量
   的提示添加到训练标题末尾。在推理时，将描述不良质量的提示（如低清晰度或慢动作）
   纳入负提示。
 * **推理优化**：将APG扩展到视频生成中，以增强真实感并减少伪影。APG将CFG中的更新
   项分解为平行和正交分量，并降低平行分量的权重，以实现高质量生成而不过度饱和。

## Waver 1.0的项目地址

 * **项目官网**：https://www.waver.video/
 * **Github仓库**：https://github.com/FoundationVision/Waver
 * **arXiv技术论文**：https://arxiv.org/pdf/2508.15761

## Waver 1.0的应用场景

 * **内容创作**：可用于故事创作、广告、短剧等，将文本描述转化为生动的视频。
 * **产品展示**：能将产品图片转化为动态展示视频，适用于电商直播、产品展示和虚拟试
   穿等。
 * **教育与培训**：可以将教学内容或培训文档转化为互动视频，提升学习体验。
 * **社交媒体**：快速生成适合社交媒体发布的视频内容，吸引用户关注。
 * **动画制作**：将静态图片转化为动画，适用于动画制作、角色驱动和特效生成。
 * **游戏开发**：为游戏生成动态场景和角色动画，增强游戏的沉浸感。

#### 📝 站长洞察 (Editor’s Insight)

Waver 1.0的发布，标志着AI视频生成正从“能用”向“好用”、从“单一模态”向“一体化平台”快速
演进。其核心突破在于通过混合流DiT架构与流匹配训练，实现了对复杂物理运动的高保真建
模与生成质量的显著提升，这直指当前视频AI在真实感与连贯性上的行业短板。字节跳动将
其开源，更显其以技术生态构建护城河的战略意图。这不仅是模型能力的迭代，更是[AIGC](https://paooo.com/aigc-news/)
工具链整合的范式转移——创作者无需再为不同任务寻找不同工具，工作流得以大幅简化。展望
未来，随着此类高性能、易用模型的普及，短视频、电商展示、游戏动画等领域的创作门槛
将被进一步拉低，内容产业的生产效率与创意边界将迎来新一轮解放。竞争焦点将从单一的
生成质量，转向模型的易用性、可控性及与下游应用场景的深度整合。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**Sora ↗**

Sora是OpenAI的文本到视频模型，能生成多种类型视频，具有多种特色功能，在影视、广告
等领域有应用，介绍了其

**Sora ↗**

Sora是OpenAI的文本到视频模型，能生成多种类型视频，具有多种特色功能，在影视、广告
等领域有应用，介绍了其

❓ 常见问题解答（FAQ）

Waver 1.0支持哪些视频生成任务？

Waver 1.0在单一框架内支持文本到视频（T2V）、图像到视频（I2V）和文本到图像（T2I）
生成，无需在不同模型间切换，适合统一内容生产流程。

Waver 1.0最高支持多少分辨率？

根据文中信息，Waver 1.0支持最高1080p分辨率，并可生成2-10秒的灵活视频长度，同时支持
分辨率和宽高比调整。

Waver 1.0为什么被认为性能更强？

它基于混合流DiT与流匹配训练，强化了复杂运动建模和时间一致性；同时在Waver-Bench 1.0
和Hermes运动测试集上，表现优于现有开源与闭源模型。

🔬 语宙深潜追问 · 进阶实操拆解

Waver 1.0 适合先落地哪些场景？

优先看营销短片、分镜预览、产品演示和社媒素材等对时长与一致性要求较高的场景。若要
上生产，建议先做提示词模板、镜头拆分和失败回退机制，再评估画质与运动稳定性。

混合流 DiT 训练对部署有什么影响？

这类架构通常带来更好的时空建模，但推理侧更依赖显存、并行策略和采样步数优化。落地
时要重点压测不同分辨率、时长和批量下的吞吐，避免只看单条生成效果。

🗳️ 读者观点微投票 · 您的实战立场是？

Waver 1.0 真能碾压 Sora 吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎬 所属权威专题：AI 视频生成与影视工作流 →](https://paooo.com/topics/ai-video-generation/)

 * [Wan2.1 – 阿里开源的AI视频生成大模型](https://paooo.com/aigc-news/21561/)
 * [字节跳动重磅开源：InfinityStar 10倍提速 720p 视频生成，统一框架颠覆AIGC](https://paooo.com/ai-tool/12976/)
 * [Seaweed-7B – 字节推出的视频生成模型](https://paooo.com/aigc-news/20348/)
 * [MagicVideo-V2：字节跳动推出的AI视频生成模型](https://paooo.com/aigc-news/28435/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/13974/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)