9月24日,在2025杭州云棲大會上,阿里發(fā)布通義萬相Wan2.5 preview系列模型,涵蓋文生視頻、圖生視頻、文生圖和圖像編輯四大模型,其中,通義萬相2.5視頻生成模型能生成和畫面匹配的人聲、音效和音樂BGM,首次實現(xiàn)音畫同步的視頻生成能力,進一步降低電影級視頻創(chuàng)作的門檻。即日起,用戶可在阿里云百煉平臺調(diào)用API,或在通義萬相官網(wǎng)直接體驗。
![]()
全新的通義萬相2.5在創(chuàng)作能力上實現(xiàn)了全面升級:視頻生成時長從5秒提升至10秒,單次生成可實現(xiàn)更完整的劇情故事;支持24幀每秒的1080P高清視頻生成,畫面質(zhì)量進一步提升,滿足電影級場景的創(chuàng)作需求;與此同時,模型指令遵循能力進一步提升,在視頻生成任務(wù)中可理解運鏡等復(fù)雜連續(xù)變化指令控制,圖像編輯任務(wù)也可以跟隨指令一鍵實現(xiàn)人物變身、風(fēng)格變化等效果。
據(jù)介紹,相比前幾代通義萬相模型,通義萬相2.5在技術(shù)架構(gòu)上實現(xiàn)了重大更新:首次采用原生多模態(tài)架構(gòu),在同一套框架下支持理解和生成等多種任務(wù),支持文本、圖像、視頻、音頻多種模態(tài)的輸入和輸出,能實現(xiàn)音畫同步的視頻生成等多模態(tài)能力。用戶輸入提示詞即可生成人聲、環(huán)境音效和背景音樂,并且精準與畫面內(nèi)容、人物口型匹配,讓視頻演繹更加生動形象。通義萬相2.5也支持輸入一段音頻作為參考,來驅(qū)動文字或圖片生成音畫同步的視頻。
例如,輸入Prompt:仰視角度拍攝,全景,日光,晴天光,側(cè)光,暖色調(diào),中心構(gòu)圖。一名外國男子在城市公園的水泥廣場上玩滑板,他約二十多歲,身材健碩,深色短發(fā)藏在黑色棒球帽下,身穿深灰色連帽上衣和黑色工裝褲,腳踩一雙黑白拼色運動鞋。鏡頭從低角度仰拍,突出其騰空動作的張力。他站在滑板上加速前行,身體前傾,雙臂自然張開以維持平衡;隨后猛然躍起,右腳輕踢板尾,滑板在空中完成180度翻轉(zhuǎn),他迅速下壓接住滑板,雙腳精準落回板面,穩(wěn)穩(wěn)著地后繼續(xù)向前滑行。背景中,三兩名滑板者在遠處滑行穿梭,梧桐樹葉在微風(fēng)中輕輕搖曳,陽光穿過樹葉間隙灑下斑駁光影,投射在地面和滑板輪跡上。伴隨著節(jié)奏鮮明的都市電子音樂,背景傳來輪子摩擦地面的沙沙聲與遠處隱約的交談聲。男子落地瞬間輕哼一聲“Yeah!”,語氣輕快自信。
![]()
通義萬相能精準理解復(fù)雜指令的多個關(guān)鍵詞,生成一段男子滑板的動感視頻,不僅實現(xiàn)動作、拍攝角度和光影遵循指令,視頻展現(xiàn)的人聲、滑板滾動音效以及背景音也和畫面內(nèi)容、指令保持同步。
![]()
輸入一張圖片和一段文字,通義萬相可生成音畫同步的視頻
此次,通義萬相2.5還全面升級了圖像生成能力,可生成中英文文字和圖表,包含復(fù)雜文字排版、藝術(shù)海報、流程圖、架構(gòu)圖等,同時支持圖像編輯功能,輸入一句話即可完成P圖。
![]()
通義萬相模型家族已支持文生圖、文生視頻、圖生視頻、人聲生視頻和動作生成等10多種視覺創(chuàng)作能力,累計生成3.9億張圖片、7000萬個視頻。自今年 2 月以來,通義萬相已連續(xù)開源20多款模型,在開源社區(qū)和三方平臺的下載量已超3000萬,是開源社區(qū)最受歡迎的視頻生成模型之一。
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.