通义万相重大升级“AI绘图”全面进化为“音视频全栈创作”

通义万相近期（2025年底至2026年初）经历了重大升级，其核心方向已从单纯的“AI绘图”全面进化为“音视频全栈创作”。

以下是通义万相的最新动态及亮点：

1. 发布万相 2.6 系列：视频生成进入“角色时代”

2025年12月，阿里正式发布通义万相 2.6。这是该系列迄今为止最重要的更新，核心突破在于“一致性”与“多模态融合”：

• 国内首个角色扮演（Character ID）功能： 解决了AI视频中角色“变脸”的痛点。用户只需上传一张照片，AI即可在生成的视频中保持同一人物的脸部特征、身材和穿着，实现连续、稳定的角色叙事。

• 音画同步（Audio-Visual Sync）： 生成视频的同时自动配上契合场景的背景音乐或音效，告别“哑巴视频”。

• 声音驱动： 支持通过语音输入驱动视频中的人物开口说话，口型同步精度大幅提升。

2. “AI 小剧场”上线：人人都是导演

随万相 2.6 同步推出的功能，主要集成在通义APP（原通义千问）中：

• 角色合拍： 用户可以选取内置的经典IP或自行上传角色，通过简单的文字描述让两个角色在同一场景下互动。

• 多镜头控制： 支持推、拉、摇、移等专业摄影机位的指令，使得生成的视频更具“电影感”。

3. 技术指标：登顶视频大模型竞技场

在2025年初的权威评测中，通义万相 2.1 及其后续版本在视频生成大模型榜单（如 VBench）上表现出色：

• 总分领先： 在肢体运动稳定性、语义理解准确度等16个维度上获得高分，超越了部分国内外同类模型。

• DiT 架构优化： 采用了自研的 Diffusion Transformer 架构，使得生成的画面在 1080P 分辨率下依然保持极高的清晰度和光影质感。

4. 商业化与生态集成

• 阿里云百炼平台： 通义万相已深度集成至阿里云“百炼”平台，企业开发者可以通过 API 调用最新的视频生成能力，应用于广告营销、短剧制作等工业化生产。

• 免费开放： 目前万相 2.6 的核心能力在通义 APP 和万相官网上向普通用户免费开放体验。

核心动态总结表

一句话总结： 现在的通义万相不仅能画出精美的静态画作，更是一个能听懂指令、能保持角色一致、且自带背景音乐的AI视频工厂。