阿里发布新一代万相2.6系列模型

《凤凰WEEKLY财经》获悉，12月16日，阿里发布新一代万相2.6系列模型。

据悉，该系列模型面向专业影视制作和图像创作场景进行了全面升级，是国内首个支持角色扮演功能的视频模型。该模型同时支持音画同步、多镜头生成及声音驱动等功能，是全球功能最全的视频生成模型。目前，万相2.6已同步上线阿里云百炼、万相官网。

据阿里方面介绍，今年9月，阿里率先在国内发布音画同步的视频生成模型万相2.5，极大提升视频创作的效率，在权威大模型评测集LMArena上，万相图生视频位居国内第一。此次发布的万相2.6进一步提升了画质、音效、指令遵循等能力，单次视频时长实现国内最高的15s，万相2.6还新增了角色扮演和分镜控制功能，不仅能一键完成单人、多人、人与物合拍的视频，还能自动实现多镜头切换等专业任务，满足专业影视级场景需求。

值得注意的是，通义万相在模型结构上集成了多项创新技术，可对输入参考视频进行多模态联合建模与学习，参考具有时序信息的主体情绪、姿态和多角度全面视觉特征，同时提取音色、语速等声学特征，在生成阶段作为参考条件控制，实现从画面到声音的全感官全维度一致性保持与迁移，目前万相可支持单人和多人的表演。

在分镜控制上，通义万相能通过高层语义理解，将原始输入构建为具备完整故事线与叙事张力的专业级多镜头段落，在多镜头丝滑切换的过程中保持核心主体、场景布局和环境氛围统一建模，确保全片在内容、节奏和氛围上的高一致性。

另外，万相2.6的角色扮演功能让普通用户也能在影视级画面里表现精湛的演技。例如，用户上传一段个人视频，并输入一段科幻悬疑风格的提示词，万相2.6能快速完成分镜设计、角色演绎、画面配音等环节工作，生成一段镜头叙事完整、电影级运镜的短片，仅需几分钟就能帮用户圆电影主角梦。

面向广告设计、短剧制作等专业场景，通过输入连续提示词，万相还能生成一段完整叙事的短片，让人人都能当导演。例如，输入一段广告创意的提示词，万相2.6能生成一段包含人物角色和商品的广告视频，并且在多镜头切换的情况下保持主体、场景等关键信息的一致性。