阿里通义万相2.6发布：多模态AI视频生成新标杆，角色扮演+音画同步赋能专业创作

💡 站外导读：在AIGC浪潮席卷全球的当下，视频创作正面临前所未有的效率瓶颈与专业门槛。传统影视制作周期长、成本高，而普通短视频工具又难以满足品质要求。阿里通义推出的万相2.6模型，直击这一核心痛点，标志着AI视频生成正式迈入多模态、专业化的新阶段。它不仅是工具，更是创作范式的革新，让电影级运镜、叙事连贯与音画同步能力触手可及。

万相2.6是什么

万相2.6 是阿里通义推出的面向专业影视制作和图像创作的先进视频生成系列模型。模型支持角色扮演功能，可让用户通过上传视频和输入提示词，快速生成具有电影级运镜和叙事的短片。同时，模型具备音画同步、多镜头生成及声音驱动等强大功能，能实现画面与声音的全感官一致性。万相2.6提升了画质、音效和指令遵循能力，单次视频时长可达15秒，广泛应用于广告设计、短剧制作等领域，为创作者提供高效、便捷的创作体验。模型现已上线通义万相、阿里云百炼平台。

万相2.6 的主要功能

• 角色扮演功能：用户上传视频和输入提示词后，模型能快速生成具有电影级运镜和叙事的短片，让用户在影视级画面中展现演技。
• 分镜控制功能：将简单提示词转换为多分镜脚本，生成连贯叙事视频，保持多镜头间主体、场景等关键信息的一致性。
• 音画同步与声音驱动：支持音画同步，能根据声音信号驱动画面动作，实现声音与画面的完美配合。
• 多镜头生成：模型能生成包含多个镜头的视频，在镜头切换中保持内容、节奏和氛围的高一致性。
• 画质与音效提升：单次视频时长可达15秒，画质和音效显著提升，满足专业影视级需求。
• 指令遵循：更精准地理解用户指令，生成符合用户需求的视频内容。
• 通用视频编辑：支持文生图、图像编辑、文生视频、图生视频、人声生视频、动作生成等多种视觉创作能力，适用广告设计、短剧制作、短视频创作等多种场景。

万相2.6 的技术原理

• 多模态联合建模与学习：万相2.6通过整合多种模态的信息（如视频画面、声音、文本等）进行联合建模和学习。模型能同时处理具有时序信息的主体情绪、姿态、多角度视觉特征，及音色、语速等声学特征。在生成阶段，作为参考条件，控制生成内容的风格、情感和动作，实现画面与声音的全感官一致性保持与迁移。
• 高层语义理解：模型具备强大的语义理解能力，能将用户的输入（如文字提示、视频片段等）转化为具有完整故事线和叙事张力的多镜头段落。通过高层语义理解，万相2.6能构建出符合逻辑和情感连贯性的视频内容，在多镜头切换时保持核心主体、场景布局和环境氛围的一致性。

如何使用万相2.6

通过万相

• 访问官网：访问通义万相官网。按提示完成账号注册和登录。
• 选择模型：在模型选择下拉框中选择通义万相2.2。
• 选择功能模块：根据需求选择相应的功能。
• 上传素材：如果需要使用角色扮演功能，上传一段个人视频作为基础素材。对于其他功能，需要上传图片、文字提示或其他相关素材。
• 输入提示词：在指定的输入框中输入相关的提示词。分镜控制，输入“一个关于爱情的故事，开头是男女主角相遇，中间是误会，结尾是和解”。
• 生成内容：点击“生成”按钮，模型根据上传的素材和输入的提示词开始生成内容。
• 查看和下载结果：生成完成后，查看生成的视频或图片。如果满意，下载到本地保存或使用。

阿里云百炼

• 访问阿里云百炼平台：访问阿里云百炼官网。完成账号注册和登录。
• 找到 Wan 2.6 模型：在平台的 AI 模型中，找到通义万相2.6-图生视频入口。
• 输入创作需求：在模型页面，输入文字描述、上传参考图片、音频或视频片段，或输入分镜提示词。
• 设置生成参数：选择视频时长（最长 15 秒）、分辨率（720P 或 1080P）及其他生成选项。
• 开始生成视频：点击 “生成” 按钮，模型将根据输入生成视频。
• 查看和下载结果：生成完成后，查看生成的视频效果下载到本地。

万相2.6的应用场景

• 短视频创作：模型能快速生成创意短视频内容，满足社交媒体发布需求，提升创作效率。
• 广告制作：用模型生成个性化广告视频，精准传达产品信息，吸引用户关注。
• 动画制作：高效生成动画视频，降低制作成本，提升动画创作速度。
• 教育视频：制作生动的教学视频，辅助教学，提高学习兴趣和效果。
• 影视特效：辅助影视制作，生成特效镜头或预览视频，优化创作流程。