國內(nèi)首個角色扮演視頻模型落地 杭州AI產(chǎn)業(yè)迎新突破

　　12月16日，阿里發(fā)布新一代視頻生成模型——通義萬相2.6系列，面向?qū)I(yè)影視制作和圖像創(chuàng)作場景實現(xiàn)全面升級。該模型是國內(nèi)首個支持角色扮演功能的視頻生成模型，在音畫同步、多鏡頭生成、聲音驅(qū)動等方面實現(xiàn)突破，被業(yè)內(nèi)認為是目前全球功能最為齊全的視頻生成模型之一。

　　作為杭州AI產(chǎn)業(yè)的重要代表，今年9月，阿里率先在國內(nèi)發(fā)布音畫同步的視頻生成模型萬相2.5，在權(quán)威大模型評測集LMArena上，其圖生視頻能力位居國內(nèi)第一。此次升級發(fā)布的萬相2.6在畫質(zhì)、音效和指令遵循等方面進一步提升，單次視頻生成時長達到國內(nèi)最高的15秒，并新增角色扮演和分鏡控制能力，可一鍵生成單人、多人及人與物合拍的視頻，自動完成多鏡頭切換，滿足專業(yè)影視級創(chuàng)作需求。

　　在技術(shù)層面，萬相2.6通過多模態(tài)聯(lián)合建模，對輸入?yún)⒖家曨l中的主體情緒、姿態(tài)、視覺特征以及音色、語速等聲學(xué)信息進行聯(lián)合學(xué)習(xí)，在生成階段實現(xiàn)從畫面到聲音的高度一致性。目前，該模型已支持單人和多人的角色表演，并可將用戶的簡單提示詞自動轉(zhuǎn)化為多分鏡腳本，生成敘事連貫、鏡頭切換流暢的視頻內(nèi)容。

　　在應(yīng)用場景上，萬相2.6不僅面向影視制作、廣告設(shè)計和短劇創(chuàng)作等專業(yè)領(lǐng)域，也顯著降低了普通用戶的創(chuàng)作門檻。用戶上傳個人視頻并輸入提示詞后，模型可自動完成分鏡設(shè)計、角色演繹和畫面配音，短時間內(nèi)生成具有電影質(zhì)感的短片，實現(xiàn)“人人都能當(dāng)導(dǎo)演”。

　　在開放與落地方面，即日起，所有用戶均可直接在萬相官網(wǎng)體驗萬相2.6，企業(yè)用戶還可通過阿里云百煉調(diào)用模型API，將能力快速集成至業(yè)務(wù)系統(tǒng)中。據(jù)悉，千問App也將于近期上線該模型，并提供更豐富的玩法，進一步拓展視頻生成模型在學(xué)習(xí)、創(chuàng)作等場景中的應(yīng)用邊界。

　　值得一提的是，千問App近日宣布將學(xué)習(xí)、文檔等核心能力向用戶免費開放，在高校學(xué)生群體中引發(fā)廣泛關(guān)注。PPT制作、寫作潤色、翻譯和資料檢索等高頻功能的免費化，被視為對“會員墻”模式的一次突破，進一步體現(xiàn)了杭州AI企業(yè)在推動技術(shù)普惠方面的探索。